Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais ajuster votre LLM avec LoRA pour des tâches personnalisées
Ingénieur IA, spécialiste en automatisation dans la santé
Je suis ingénieur en IA spécialisé dans l'automatisation en santé — je conçois des systèmes qui aident les petites pratiques indépendantes à réduire les refus de réclamations, automatiser les flux de ...
À propos de ce service
Les LLMs génériques donnent des réponses génériques. Si vous avez besoin d’un modèle qui classe, extrait ou formate FIABLEMENT VOS données, l’ajustement fin dépasse le prompting pour des tâches étroites et répétables.
J’ajuste des LLMs open-source (Qwen, Llama, Gemma, Mistral) en utilisant LoRA/QLoRA, la méthode efficace en paramètres que les équipes utilisent lorsque la réentraînement complet n’est pas abordable. Mon portfolio inclut une étude de cas documentée comparant un modèle ajusté avec LoRA à une API payante sur une tâche de classification réelle, avec des chiffres vérifiés de précision, de latence et de coût, pas seulement une démo.
Ce que vous obtenez :
- Un modèle ajusté sur VOS données pour VOTRE tâche précise
- Un rapport d’évaluation honnête de la précision, pas des impressions
- L’adaptateur entraîné, prêt à déployer
- Des documents clairs, sans verrouillage
Pourquoi travailler avec moi :
La plupart des vendeurs montrent une démo. Moi, je présente une étude de cas technique réelle : jeu de données, benchmarks, analyse de compromis (précision contre coût contre latence contre confidentialité), la réflexion qui compte une fois en production.
Idéal pour : classification de texte, extraction structurée, catégorisation, adaptation de ton/de format. Pas pour enseigner de nouveaux faits (c’est RAG). Je vous dirai honnêtement ce qui convient.
Envoyez-moi votre tâche et un échantillon de données (même 20-30 exemples) et je vous conseillerai gratuitement en premier.
Langage de programmation:
Python
Type de données:
Texte
Moteur d'IA:
LLaMa
•
Autres
Mon portfolio
FAQ
Traduction automatique
Quelles données dois-je fournir ?
Un tableau ou un fichier JSON d’exemples d’entrée-sortie pour votre tâche. Même 20-30 échantillons suffisent pour que je puisse évaluer la faisabilité avant votre commande. Plus d’exemples (200-2000+) signifient généralement une meilleure précision.
Quels modèles pouvez-vous affiner ?
Des modèles open-source comme Qwen, Llama, Gemma, et Mistral, en tailles compatibles avec le GPU de la couche gratuite (environ jusqu’à 7-8 milliards de paramètres avec QLoRA). Je confirmerai la taille du modèle adaptée à votre tâche et à votre volume de données avant de commencer.
Est-ce un ajustement fin ou juste du prompt engineering ?
Un ajustement fin réel : je forme des adaptateurs LoRA/QLoRA qui mettent à jour les poids réels du modèle sur vos données, pas seulement des prompts conçus. Vous recevez le fichier de l’adaptateur entraîné lui-même, pas un modèle de prompt.
Je serai propriétaire du modèle fine-tuned ?
Oui. Vous recevez l’adaptateur entraîné et tous les droits d’utilisation. C’est à vous de le déployer, l’héberger ou le transmettre à votre équipe.
Pouvez-vous comparer l’ajustement fin à l’utilisation d’une API ?
Oui, dans les packages Standard et Premium, je compare votre modèle ajusté à un prompting d’une API hébergée sur la même tâche, en couvrant la précision, la latence et le coût pour que vous voyiez quelle approche convient le mieux.
Que faire si mon jeu de données est petit ou désordonné ?
Envoyez-moi d’abord un échantillon. Je vous dirai honnêtement si vos données suffisent, et je vous aiderai à réfléchir à ce qu’il faut collecter si ce n’est pas le cas, avant de passer commande.
Fournissez-vous le code d’entraînement ?
Oui, tous les packages incluent le script d’entraînement et la documentation complète, pour que vous ne dépendiez pas de moi pour un futur réentraînement.
Combien de temps prend la livraison?
Basic : 5 jours. Standard : 7 jours. Premium : 10 jours. Le délai dépend de la taille du jeu de données et de toute interaction sur les exigences.
