簡介

已完成

基礎模型是預先訓練的模型，可為您提供絕佳的起點。 藉由使用基礎模型，您可以節省時間和精力，因為針對特定機器學習使用案例訓練模型所需的資料較少。

假設您是任職於旅館預訂機構的資料科學家。 當客戶瀏覽不同的旅館時，決定預訂哪家旅館的最重要因素之一是來自其他旅客的評論。

身為資料科學家，您可能會想要從旅館評論中擷取見解，以了解為什麼某些旅館優先於其他旅館。 若要從旅館評論中擷取資訊，您可以使用專為自然語言處理 (NLP) 設計的大型語言模型 (LLM)。

LLM 會利用深度學習技術來理解及產生人類語言。 深度學習是機器學習的子領域，涉及訓練具有多層的人工神經網路，以從資料擷取階層式模式和表示法。 訓練神經網路的成本可能很高，因為它需要大量資料和強大的計算能力。

您可以使用預先訓練的模型並使用自己的資料進行微調，而不是從頭開始訓練您自己的 LLM。 假設您想要偵測旅館評論中的情緒。 您可能想要將任何新張貼的評論分類為將旅館形容成糟糕、一般或絕佳。 您可以使用一小組分類的旅館評論來微調預先訓練的基礎模型。

在本課程模組中，您將了解如何從 Azure Machine Learning 中的模型目錄微調基礎模型。

學習目標

在本課程模組中，您將了解如何：

• 何時從模型目錄微調基礎模型。
• 微調基礎模型。
• 部署及測試微調的模型。