Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais construire un dataset SFT spécifique à un domaine pour le fine-tuning de LLM
Données pour le fine-tuning de LLM et automatisation de l'IA
Je suis ingénieur en intelligence artificielle avec une formation en informatique, spécialisé dans la préparation de données pour le fine-tuning de LLM et les systèmes d'automatisation IA. Je crée des...
À propos de ce service
Le fine-tuning d’un modèle de langage commence par les données. Des réponses vagues, des échantillons en double ou des formats incorrects nuiront à votre modèle, peu importe la qualité de votre configuration d’entraînement.
Je construis des datasets SFT spécifiques à un domaine via une pipeline en 5 étapes : génération, validation, déduplication, scoring par LLM en tant que juge, et revue de qualité humaine. Chaque échantillon qui atteint votre boucle d’entraînement a passé toutes ces étapes.
CE QUE VOUS RECEVEZ
- train.jsonl + val.jsonl (répartition 90/10)
- data_card.md (documentation du dataset)
FORMATS
- Alpaca à tour unique, tous packages
- ShareGPT à tours multiples, Standard et Premium
COMPATIBLE AVEC
- Axolotl, LLaMA-Factory, Unsloth, API de fine-tuning d’OpenAI, Together AI
DOMAINES
E-commerce, questions-réponses en santé, résumé juridique, assistant de codage, support SaaS, finance, RH, EdTech, support multilingue, et plus encore. Contactez-moi si le vôtre n’est pas listé.
Vous ne savez pas quel package correspond à votre cas d’usage ? Envoyez-moi un message avant de commander.
Langage de programmation:
Python
•
PyTorch
Type de données:
Texte
Moteur d'IA:
GPT
•
Gemini
•
DeepSeek
•
LLaMa
•
Grok
Mon portfolio
FAQ
Traduction automatique
La qualité des données est-elle garantie ?
Chaque échantillon passe par une pipeline en 5 étapes : génération, validation, déduplication, scoring par LLM en tant que juge, et revue de qualité humaine. Les échantillons vagues, incohérents ou hors sujet sont filtrés ou relancés. Ce que vous recevez a passé toutes ces étapes.
S’agit-il de données synthétiques ?
Oui, générées par un LLM de pointe. C’est une pratique standard pour la construction de datasets SFT et cela fonctionne bien pour la plupart des cas de fine-tuning. Les cas extrêmes du monde réel peuvent bénéficier d’exemples supplémentaires écrits par des humains.
Quelle est la différence entre Alpaca et ShareGPT ?
Alpaca est à tour unique — une instruction, une réponse. ShareGPT est conversationnel à tours multiples. Utilisez Alpaca pour suivre des tâches ou pour Q&A. Utilisez ShareGPT pour le fine-tuning de chatbot ou d’assistant où le contexte est important.
Pouvez-vous gérer des domaines de niche ou rares ?
Oui. J’ai travaillé avec des domaines comme le soutien en santé mentale, la finance islamique, l’assistance juridique vietnamienne, et le SaaS B2B technique. Si votre domaine n’est pas sur la liste, contactez-moi — la plupart sont réalisables.
Quels frameworks de fine-tuning cela supporte-t-il ?
Axolotl, LLaMA-Factory, Unsloth, API de fine-tuning d’OpenAI, et Together AI. Alpaca et ShareGPT sont prêts pour la production avec tous ces frameworks dès la sortie de l’emballage.
Que contient la data card ?
Domaine, nombre d’échantillons, répartition train/val, format, tokens moyens par échantillon, méthode de déduplication, usage prévu. Documentation standard pour les datasets ML en production.
De quoi ai-je besoin pour commencer ?
Fiverr vous guidera tout au long du processus lors de la commande. Juste quelques détails sur votre cas d’usage et vos préférences — rien de compliqué.
