Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais affiner gpt, llama ou mistral sur votre jeu de données personnalisé pour de meilleurs résultats en IA
Ingénieur en apprentissage automatique
Bonjour, je suis Emal, ingénieur en ML et data scientist spécialisé en IA, NLP, vision par ordinateur et bioinformatique. Je transforme des données brutes en résultats concrets en utilisant Python, Te...
À propos de ce service
Vous souhaitez un modèle d'IA qui parle VOTRE langue, connaît VOTRE domaine et fournit des réponses adaptées à VOTRE entreprise ? Je ajuste des grands modèles de langage (LLMs) avec vos données personnalisées pour que l'IA fonctionne spécifiquement pour vous.
Ce que je peux faire :
Affiner GPT-3.5/GPT-4 via l'API de fine-tuning d'OpenAI
Affiner des modèles open source : LLaMA 3, Mistral, Phi-3, Gemma
Fine-tuning LoRA / QLoRA pour un entraînement efficace sur des GPU grand public
Réglage par instruction pour des Q&A personnalisés, chatbots ou assistants
Adaptation au domaine pour des textes médicaux, juridiques, financiers ou techniques
Alignement RLHF (apprentissage par renforcement à partir du feedback humain)
Ce que vous devrez fournir :
Données d'entraînement dans un format que je spécifie (je vous aiderai à le préparer)
Exemples de paires entrée-sortie souhaitées (au moins 50-100 pour un fine-tuning de base)
Description de votre cas d'utilisation et du comportement attendu
Ce que vous recevrez :
Poids du modèle fine-tuné (hébergés sur Hugging Face ou votre plateforme préférée)
Script d'entraînement avec documentation complète
Résultats d'évaluation comparant la performance de base et celle après fine-tuning
Script d'inférence / API pour utiliser le modèle
Guide de préparation des données pour les futures mises à jour
Outils : Hugging Face Transformers, PEFT, Axolotl, Unsloth, OpenAI API, PyTorch, Weights & Biases
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Quelle quantité de données d'entraînement faut-il ? A :
Pour le fine-tuning avec OpenAI, 50 à 100 exemples de haute qualité suffisent déjà à améliorer les résultats. Pour les modèles open-source, entre 500 et 5000 exemples donnent les meilleurs résultats. La qualité prime sur la quantité — je vous aiderai à constituer le meilleur ensemble d'entraînement.
Quel modèle devrais-je fine-tuner ? A
Cela dépend de vos besoins. Pour une mise en œuvre simple et une haute qualité, GPT-3.5 d'OpenAI est idéal. Pour la confidentialité et un contrôle total, les modèles open-source comme LLaMA 3 ou Mistral sont préférables. Contactez-moi et je vous recommanderai la meilleure option selon votre cas d'usage et votre budget.
