Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais créer des modèles LLM et SLM personnalisés avec qlora
Ingénieur IA et développeur Full Stack : Expert en solutions IA évolutives !
Ingénieur IA expérimenté et développeur Full Stack avec plus de 7 ans d'expertise dans la création de solutions intelligentes, évolutives et efficaces. Je me spécialise dans les applications basées su...
À propos de ce service
Affinez un LLM personnalisé qui connaît VOTRE domaine, pas tout Internet.
Je suis Raihan, ingénieur en IA/ML et CTO chez ClarioScope AI. Je forme de petits modèles de langage à partir de zéro (ORCH 350M3B, MedLLM, ILMA Lang) et ajuste finement des LLM ouverts avec QLoRA sur vos données réelles.
Ce que vous obtenez : LLM/SLM ajusté finement sur votre dataset Llama, Mistral, Qwen, Gemma, Phi LoRA / QLoRA / ajustement complet (je choisis ce qui convient à vos données et votre budget) Nettoyage et formatage du dataset + génération de données synthétiques Rapport d’évaluation par rapport au modèle de base (perplexité, précision) Prêt pour l’inférence : Hugging Face, GGUF pour Ollama, ou une API Endpoint Code PyTorch propre + documentation
Pourquoi moi, pas un service à 90$ ? La plupart des gigs « ajustement » se contentent d’envelopper l’API OpenAI. Je construis de vrais SLM à partir de zéro, je choisis le bon modèle de base et le rang LoRA, et je livre un modèle qui dépasse réellement le modèle de base. Portfolio : raihan-js.github.io
️Processus : Discussion gratuite, préparation des données, formation, évaluation par rapport au modèle de base, livraison + transfert.
Vos données restent privées. Poids complets + droits d’utilisation commerciale disponibles.
Envoyez-moi d’abord votre cas d’utilisation pour une estimation précise. Construisons-le correctement !
Clients avec lesquels j’ai travaillé
GNatural Products
All Natural Skincare
I designed and developed Full WordPress Website for this client.
oct. 2020
Mon portfolio
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Formez-vous des modèles à partir de zéro ou uniquement des ajustements de modèles existants ?
Les deux. J’ai formé la série ORCH (350M–3B) et MedLLM à partir de zéro, et j’ajuste finement des LLM ouverts quotidiennement. Pour la plupart des cas d’usage, l’ajustement QLoRA d’un modèle de base solide (Llama 3.1, Mistral, Qwen) offre 80 à 90 % des bénéfices pour une fraction du coût — je recommande honnêtement en fonction de vos données.
Quels modèles de base pouvez-vous ajuster ?
Tous les principaux LLM open source : Llama 3.1/3.2 (1B–13B), Mistral 7B / Mixtral, Qwen 2.5, Gemma 2, Phi-3, DeepSeek, et Code Llama / Code Qwen. Je peux aussi ajuster OpenAI (GPT-4o-mini, GPT-4.1) et Gemini via leurs API de tuning.
Combien de données d’entraînement faut-il ?
Pour LoRA/QLoRA, aussi peu que 500 exemples de haute qualité peuvent suffire ; 2000 à 10 000 est la plage idéale. Moins ? Je génère des données synthétiques pour vous (Standard & Premium). Entraîner un petit modèle à partir de zéro nécessite un corpus conséquent — nous confirmerons lors de l’appel de définition.
Quel matériel est utilisé, et qui paie pour le calcul ?
J’utilise Runpod / Vast.ai (GPU A100 / H100). Le calcul pour les essais standards est inclus dans tous les packages. Pour des datasets très volumineux ou un pré-entraînement long, le coût GPU peut être facturé au coût — toujours convenu à l’avance (généralement 20 à 120 dollars).
Mes données et mon modèle entraîné resteront-ils privés ?
Oui. Vos données sont utilisées uniquement pour votre projet et ne sont jamais réutilisées. Vous recevez les poids complets, le code, et les droits d’utilisation commerciale (inclus dans Premium ; +180$ sur Basic/Standard).
Pouvez-vous déployer le modèle pour que mon application puisse l’appeler via API ?
Oui — Premium inclut un FastAPI + Docker avec un endpoint compatible OpenAI, votre code existant n’a qu’à changer l’URL de base. Les acheteurs Standard peuvent ajouter le déploiement pour +250$.
Quelle est la différence entre fine-tuning et RAG ?
L’ajustement fin modifie le comportement et la connaissance du modèle dans ses poids. RAG récupère des réponses dans vos documents lors de la requête. Vous souhaitez RAG à la place ? Je propose cela en gig séparé — ou contactez-moi pour que je vous indique celui qui correspond vraiment à votre objectif.
Pourquoi devrais-je vous engager plutôt qu’un gig d’ajustement moins cher ?
La plupart des gigs à bas prix ne sont que des wrappers autour de l’API OpenAI. Je suis CTO et je forme de vrais SLM à partir de zéro (portfolio : raihan-js.github.io) — je vous dirai quand l’ajustement fin n’est pas la bonne solution, je choisirai le bon modèle de base et la bonne configuration LoRA, et je livrerai un modèle qui dépasse de manière mesurable le modèle de base.
