Datenvorbereitung und Feinabstimmung für kleine Sprachmodelle mit AWS - Cambridge

Nicht jeder Job benötigt ein großes Frontier-Modell. Ein kleines Modell, das auf Ihren eigenen Daten feinabgestimmt ist, kann größere Modelle bei bestimmten Aufgaben zu einem Bruchteil der Kosten und Latenz übertreffen und Ihnen helfen, den Vorteil zu behalten, den Ihre Wettbewerber nicht kopieren können – Ihre Daten. In diesem Workshop werden Sie durch die Implementierung einer End-to-End-Pipeline für die Feinabstimmung eines kleinen LM (Llama 3.2 3B) geführt, um SQL-Abfragen aus natürlicher Sprache unter Verwendung der serverlosen Trainings- und Bewertungs-APIs von Amazon SageMaker zu generieren. Sie lernen, wie man echte Benutzerabfragen aus einer RDS PostgreSQL-Instanz extrahiert, diese bereinigt und in Trainingsdaten formatiert; und dann das Notebook verwendet, um die Registrierung des Datensatzes, das LoRA-basierte SFT-Training und die benutzerdefinierte Lambda-basierte Evaluation mit MLflow-Experimentverfolgung zu orchestrieren. Bringen Sie Ihren Laptop mit, und Sie werden mit einer wiederholbaren Pipeline gehen, die Sie auf Ihren eigenen Anwendungsfall anwenden können. 12:00 Uhr Mittagessen & Begrüßung 12:30-12:40: Kickoff und Überblick 12:40-14:20: Workshop Teil 1 14:20-14:30: Pause 14:30-16:15: Workshop Teil 2 16:15-16:30: Abschluss. Bitte beachten Sie, dass diese Veranstaltung sich an Startup-Gründer und Entwickler richtet, die bereits einige Vorkenntnisse im Umgang mit KI-Modellen haben. Die Veranstaltung wird im zentralen Cambridge stattfinden. Die Teilnehmerzahl wird streng begrenzt, um eine qualitativ hochwertige Erfahrung für die Anwesenden zu gewährleisten.