Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je créerai une application LLM personnalisée et fine-tunée avec un pipeline d’entraînement et une API
Data Scientist sénior, GenAI, Expert en LLM et en vision par ordinateur
Data Scientist sénior avec plus de 7 ans d’expérience en IA générative, grands modèles de langage (LLM), vision par ordinateur et MLOps. Je propose des solutions IA de bout en bout couvrant la gouvern...
À propos de ce service
Vous souhaitez un modèle d’IA qui parle votre domaine et un produit opérationnel autour de celui-ci, fonctionnant en private ? Je suis Data Scientist sénior avec plus de 7 ans d’expérience dans l’IA. J’ai affiné des LLM open‑source sur des données réelles d’entreprise grâce à LoRA, PyTorch FSDP et DeepSpeed, réduisant le temps d’entraînement par 3. Je fournis la solution complète, et pas seulement les poids du modèle.
Ce que vous obtenez :
Pipeline d’entraînement : nettoyage des données, préparation du jeu de données, fine-tuning LoRA ou QLoRA de Llama, Mistral ou Qwen, avec évaluation avant/après sur vos propres questions de test.
API de service : inférence rapide avec vLLM, authentification et limites d’utilisation, déployée sur votre cloud ou votre serveur GPU.
Application web : interface de chat ou de test, plus un tableau de bord administrateur pour comparer les versions du modèle, examiner les sorties et suivre l’utilisation.
Handover : configuration Docker, code source, documentation et appel de présentation.
L’application web est prioritaire. Une application mobile peut être ajoutée ultérieurement en extension.
Envoyez-moi un échantillon de vos données et votre objectif, et je validerai le bon package et les gains attendus avant que vous passiez commande.
Langage de programmation:
Python
•
PyTorch
•
Tensorflow
Type de données:
Texte
•
Multimodal
Moteur d'IA:
GPT
•
DeepSeek
•
Bert
•
LLaMa
•
PyTorch
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Combien de données d’entraînement faut-il ?
Pour la plupart des tâches, 500 à quelques milliers d’exemples suffisent pour LoRA. La qualité prime sur la quantité, et le plan Basic vous dit exactement ce qu’il faut.
Qui paie les GPUs ?
L’entraînement se fait sur votre compte cloud (AWS, Azure, GCP ou un fournisseur GPU) afin que vous conserviez le modèle et les données. J’estime le coût GPU à l’avance ; les petits runs LoRA coûtent généralement peu.
Pouvez-vous affiner des modèles OpenAI à la place ?
Oui, je peux préparer les données et lancer le fine-tuning OpenAI ou Azure OpenAI aussi. Les modèles Open sont préférables lorsque vous avez besoin de confidentialité, de coûts d’exécution plus faibles ou d’un contrôle total.
