Úvod
Základní modely jsou předem natrénované modely, které vám poskytují skvělý výchozí bod. Pomocí základního modelu můžete ušetřit čas a úsilí, protože k trénování modelu pro konkrétní případ použití strojového učení potřebujete méně dat.
Představte si, že jste datový vědec pracující pro hotelovou rezervační agenturu. Když zákazníci procházejí různými hotely, je jedním z nejdůležitějších faktorů při rozhodování, který hotel rezervovat, recenze od jiných hostů.
Jako datový vědec můžete chtít extrahovat přehledy z recenzí hotelů a zjistit, proč jsou některé hotely preferované před ostatními. K extrakci informací z recenzí hotelů můžete použít velké jazykové modely (LLM), které jsou určeny pro zpracování přirozeného jazyka (NLP).
LLM využívají techniky hlubokého učení k pochopení a generování lidského jazyka. Hluboké učení je podpole strojového učení, které zahrnuje trénování umělých neurálních sítí s více vrstvami k extrakci hierarchických vzorů a reprezentací z dat. Trénování neurálních sítí může být nákladné, protože vyžaduje velké objemy dat a výkonné výpočetní prostředky.
Místo trénování vlastního LLM od nuly můžete použít předem natrénovaný model, který vyladíte pomocí vlastních dat. Představte si, že chcete zjistit mínění v recenzích hotelů. Můžete chtít kategorizovat všechny nově publikované recenze popisující hotel jako hrozný, průměr nebo vynikající. K vyladění předem natrénovaného základního modelu můžete použít malou sadu hodnocení hotelů zařazených do kategorií.
V tomto modulu se dozvíte, jak vyladit základní model z katalogu modelů ve službě Azure Machine Učení.
Cíle výuky
V tomto modulu se naučíte:
- Kdy vyladit základní model z katalogu modelů
- Vyladění základního modelu
- Nasaďte a otestujte jemně vyladěný model.