Aprende a evaluar modelos de lenguaje (LLM) después del proceso de fine-tuning, conversión a ONNX y cuantización a INT8 en este tutorial en español de una hora. Explora el uso de la librería MLflow y su clase evaluate para medir el rendimiento de modelos de lenguaje. Mediante un notebook práctico disponible en GitHub, descubre cómo implementar estas técnicas de evaluación en un caso de uso de summarización de noticias utilizando el modelo T5-large, permitiendo optimizar y medir la eficacia de los modelos después de su entrenamiento y optimización.
Evaluación de LLM con MLFlow: FineTuning, Quantización y ONNX en Español
The Machine Learning Engineer via YouTube
Overview
Syllabus
MLOps MLFlow: Evaluar LLM después de FineTuning y quantizar Español #datascience #machinelearning
Taught by
The Machine Learning Engineer
Related Courses
-
Introduction to Large Language Models - Español
-
Art and Science of Machine Learning en Español
-
MLOps with MLFlow: Evaluating and Quantizing Fine-Tuned LLM Models
-
LLMOps MLflow - Evaluación de Respuestas LLM con MLflow
-
MLOps with MLFlow: Comparing Microsoft Phi3 Mini 128k in GGUF, MLFlow, and ONNX Formats
-
Analítica de Datos: visualización, predicción y toma de decisiones Programa de Certificado MasterTrack®
