Contacta con nosotros

Temario del curso

Introducción a la personalización avanzada de modelos

  • Visión general del ajuste fino y la gestión de prompts en Vertex AI
  • Casos de uso para la optimización de modelos
  • Práctica guiada: configuración del espacio de trabajo en Vertex AI

Ajuste fino supervisado de modelos Gemini

  • Preparación de datos de entrenamiento para el ajuste fino
  • Ejecución de pipelines de ajuste fino supervisado
  • Práctica guiada: ajuste fino de un modelo Gemini

Ingeniería de prompts y gestión de versiones

  • Diseño de prompts efectivos para IA generativa
  • Control de versiones y reproducibilidad
  • Práctica guiada: creación y prueba de versiones de prompts

Evaluación y establecimiento de puntos de referencia

  • Visión general de las bibliotecas de evaluación en Vertex AI
  • Automatización de flujos de trabajo de pruebas y validación
  • Práctica guiada: evaluación de prompts y salidas

Despliegue y monitoreo de modelos

  • Integración de modelos optimizados en aplicaciones
  • Monitoreo del rendimiento y detección de deriva
  • Práctica guiada: despliegue de un modelo ajustado finamente

Mejores prácticas para la optimización de IA empresarial

  • Escalabilidad y gestión de costos
  • Consideraciones éticas y mitigación de sesgos
  • Estudio de caso: mejora de aplicaciones de IA en producción

Direcciones futuras en ajuste fino y gestión de prompts

  • Tendencias emergentes en la optimización de LLM
  • Adaptación automatizada de prompts y aprendizaje por refuerzo
  • Implicaciones estratégicas para la adopción empresarial

Resumen y próximos pasos

Requerimientos

  • Experiencia en flujos de trabajo de aprendizaje automático
  • Conocimiento de programación en Python
  • Familiaridad con plataformas de IA basadas en la nube

Público objetivo

  • Ingenieros de IA
  • Profesionales de MLOps
  • Científicos de datos
 14 Horas

Número de participantes


Precio por participante

Testimonios (1)

Próximos cursos

Categorías Relacionadas