LLM Fine-Tuning

הרשימה שלי שתף
שתף את הקורס
קישור לעמוד
שתפו ברשתות החברתיות

אודות הקורס

האם אי פעם רצית לקחת מודל שפה חזק ולהעניק לו "אישיות" ייחודית, סגנון דיבור ספציפי או מומחיות בתחום טכני צר? הקורס הזה נועד לקחת אתכם צעד אחר צעד בתהליך הכוונון העדין (Fine-Tuning) של מודלי שפה, תוך שימוש בכלים המתקדמים והיעילים ביותר בשוק.

במהלך הקורס, נבנה יחד פרויקט קצה-לקצה: נהפוך את מודל Gemma 3 למבקר קוד מנוסה, חצוף וסרקסטי, שדובר סלנג ישראלי ומבין בדיוק איפה "פישלתם" בכתיבת הטסטים שלכם.

מה נלמד בקורס? 
הקורס בנוי משבעה מודולים מרכזיים המובילים מתיאוריה ליישום מלא:
מודול 1 & 2: יסודות וניהול ציפיות – הבנת מושגי הליבה ב-LLM ו-Fine-Tuning, והתמודדות עם מגבלות חומרה בעזרת פתרונות אופטימיזציה.
מודול 3: הנדסת נתונים (Data Engineering) – איך בונים קובץ אימון איכותי, יצירת נתונים סינתטיים בעזרת AI והבנת האיזון בין כמות לאיכות.
מודול 4 & 5: סביבת עבודה ותהליך האימון – הגדרת סביבת עבודה בענן, טעינת מודל הבסיס ושימוש בטכנולוגיית LoRA לאימון מהיר וחסכוני. נעקוב אחרי גרף ה-Loss בזמן אמת עד לקבלת מודל "אפוי" היטב.
מודול 6: ייצוא והפצה – המרת המודל לפורמט GGUF המותאם לעבודה מקומית ויצירת מודל עצמאי בתוך Ollama.
מודול 7: פיתוח ממשק משתמש (UI) – בניית ממשק Web מותאם אישית להרצת המודל אצלכם במחשב.

למי הקורס מתאים?
אנשי QA ואוטומציה שרוצים לרתום את ה-AI לטובת ביקורת קוד, ייצור נתונים ובדיקות חכמות.
מפתחים המעוניינים להבין איך להריץ מודלים מותאמים אישית באופן מקומי (Offline).
חובבי AI שרוצים לעבור משימוש ב-ChatGPT לבניית מודלים בעלי אישיות וסגנון ייחודי.

הצג עוד

מה נלמד בקורס ?

  • מודול 1 & 2: יסודות וניהול ציפיות - הבנת מושגי הליבה ב-LLM ו-Fine-Tuning, והתמודדות עם מגבלות חומרה בעזרת פתרונות אופטימיזציה.
  • מודול 3: הנדסת נתונים (Data Engineering) - איך בונים קובץ אימון איכותי, יצירת נתונים סינתטיים בעזרת AI והבנת האיזון בין כמות לאיכות.
  • מודול 4 & 5: סביבת עבודה ותהליך האימון - הגדרת סביבת עבודה בענן, טעינת מודל הבסיס ושימוש בטכנולוגיית LoRA לאימון מהיר וחסכוני. נעקוב אחרי גרף ה-Loss בזמן אמת עד לקבלת מודל "אפוי" היטב.
  • מודול 6: ייצוא והפצה - המרת המודל לפורמט GGUF המותאם לעבודה מקומית ויצירת מודל עצמאי בתוך Ollama.
  • מודול 7: פיתוח ממשק משתמש (UI) - בניית ממשק Web מותאם אישית להרצת המודל אצלכם במחשב.

תכני הקורס

Introduction & Core Concepts
בשלב זה נניח את התשתית התיאורטית לקורס. נכיר את עולם מודלי השפה (LLMs), נגדיר מהו Fine-Tuning ונבין מתי הוא הפתרון הנכון לעומת שיטות אחרות. המטרה היא להבין את ה"למה" לפני הצלילה לביצוע, ולהמחיש כיצד הופכים מודל כללי לכלי מומחה וממוקד.

Managing Expectations
מודול זה עוסק בהכנת השטח הטכנית. נלמד על "משוכת החומרה" ואיך ניתן להתגבר עליה כדי לאמן מודלים על מחשב אישי או ב-Colab, תוך התמקדות במתודולוגיה נכונה שמונעת בזבוז זמן ומשאבים.

Data Engineering
הלב של תהליך האימון. נלמד איך לבנות את קובץ האימון (The Training File), נבדיל בין איכות לכמות, ונשתמש ב-AI כדי לייצר נתונים סינתטיים (Data Synthesis) שיעזרו למודל ללמוד את הטון והסגנון המבוקש.

Environment Setup
בשלב זה נקים את סביבת העבודה בענן (Online Environment) ונלמד את יסודות העבודה עם Ollama. זהו השלב שבו מוודאים שכל הכלים הטכניים מותקנים ומוכנים להרצת הקוד.

Code Workflow
השלב הביצועי של הקורס. נעבור על התקנת הספריות, טעינת מודל הבסיס והגדרת ה-LoRA (השכבה שמאפשרת ללמוד סגנון חדש). נריץ את תהליך האימון בפועל ונבצע הערכה איכותית לתוצאות.

Deployment & Exporting
לאחר שהמודל אומן, נלמד איך לייצא אותו לפורמט GGUF כדי שיוכל לרוץ ביעילות על כל מחשב. נלמד איך ליצור את המודל בתוך Ollama ולהכין אותו לשימוש יומיומי.

UI Development
במודול המסכם, נהפוך את המודל לאפליקציה של ממש. נלמד איך להריץ אותו מקומית ולבנות לו ממשק גרפי (UI) מותאם אישית, כך שתוכלו להשתמש ב"מבקר הקוד" שלכם בצורה נוחה וידידותית.

ציון וביקורות התלמידים

עדיין לא נכתבו ביקורות
עדיין לא נכתבו ביקורות
דילוג לתוכן