الضبط الدقيق المتقدم للنماذج اللغوية الكبيرة في الذكاء الاصطناعي التوليدي

يُعد الضبط الدقيق للنماذج اللغوية الكبيرة (LLMs) خطوة حتمية وأساسية لمواءمة هذه النماذج مع متطلبات الأعمال المحددة، وتعزيز دقتها، والارتقاء بأدائها العام. في عالمنا المعاصر الذي يقوده الذكاء الاصطناعي، تعتمد المؤسسات بشكل متزايد على النماذج المضبوطة بدقة لاستخراج رؤى دقيقة وقابلة للتنفيذ، مما يعزز الابتكار ويرفع من مستوى الكفاءة المؤسسية. صُممت هذه الدورة لتزويد مهندسي الذكاء الاصطناعي التوليدي الطموحين بالمهارات المتقدمة والعالية الطلب التي يبحث عنها أصحاب العمل بنشاط في السوق اليوم. ستستكشف في هذه الدورة تقنيات الضبط الدقيق المتقدمة الخاصة بالنماذج اللغوية السببية، بما في ذلك ضبط التعليمات. ستعرفك الدورة على كيفية استخدام مكتبات هاغينغ فيس (Hugging Face) لتطبيق أحدث الخوارزميات. سنتعمق في فهم النماذج اللغوية كسياسات، وتطبيق تقنيات التعلم المعزز من التغذية الراجعة البشرية (RLHF)، وتحسين التفضيلات المباشرة (DPO)، وتحسين السياسات القريبة (PPO). من خلال الجمع بين الشرح النظري والتطبيق العملي، ستكتسب القدرة على بناء دوال التسجيل، وتجزئة البيانات، وتحسين النماذج اللغوية لتصبح أكثر ذكاءً وفائدة في التطبيقات الواقعية. إن هذه الدورة هي بوابتك لإتقان فنون ضبط النماذج اللغوية الضخمة وتحقيق أقصى استفادة منها.

• اكتساب مهارات هندسة الذكاء الاصطناعي التوليدي المطلوبة بشدة في سوق العمل والمتعلقة بالضبط الدقيق للنماذج اللغوية الكبيرة.
• ضبط التعليمات ونمذجة المكافآت باستخدام Hugging Face، وفهم النماذج اللغوية كسياسات، وتطبيق تقنيات التعلم المعزز من التغذية الراجعة البشرية (RLHF).
• تطبيق تحسين التفضيلات المباشرة (DPO) باستخدام دالة التجزئة و Hugging Face، وتحديد الحلول المثلى لمشكلات DPO.
• استخدام تحسين السياسات القريبة (PPO) مع Hugging Face لبناء دوال التسجيل وتجزئة مجموعات البيانات للضبط الدقيق.