157 minuuttiaLLM-mallien fine-tuning – generatiivisen tekoälyn kurssi
Pystyt ajamaan kvantisointi-, LoRA- ja QLoRA-hienosäätöjä alusta loppuun laitteistolla, jota useimmilla kehittäjillä jo on.
IBM Technology. Tiukempi fokus kahteen tekniikkaan, jotka tiimit sekoittavat useimmin. Menee syvemmälle datan tuoreuteen, lähdeattribuutioon ja inferenssiajan nopeusargumenttiin hienosäädölle. Kannattaa katsoa, jos yrität erityisesti argumentoida tarpeetonta hienosäätöprojektia vastaan.
Hyvä sidosryhmäkeskusteluihin, koska se erottaa tietämyksen tuoreuden mallin käyttäytymisestä. Varmista silti nykyiset hienosäätökustannukset, tuetut mallit ja tietohallinnan rajoitteet ennen sitoutumista.
Selitä, milloin haku on oikea korjaus ja milloin hienosäätö voi todella auttaa.
Perus RAG- ja hienosäätösanasto.
Viimeksi tarkistettu: 18.5.2026
Jatka samalla oppimisreitillä seuraaviin valikoituihin oheisvideoihin.
157 minuuttiaPystyt ajamaan kvantisointi-, LoRA- ja QLoRA-hienosäätöjä alusta loppuun laitteistolla, jota useimmilla kehittäjillä jo on.
15 minuuttiaSuunnittele yksinkertaisempia agenttisilmukoita selkeillä pysäytyssäännöillä, tehtävärajoilla ja ihmisen ohjauspisteillä.
190 minuuttiaOsaat rakentaa LangGraph-agentin tyypitetyllä tilalla, ehdollisella reitityksellä, checkpointteilla ja työkalujen käytöllä sekä tuntea, missä eksplisiittisyys maksaa itsensä takaisin.
Valikoituja ulkoisia kursseja, jotka käsittelevät aiheita tarkemmin.
Emory University Goizueta Business School faculty
The deeper, university-level counterpart to our beginner HubSpot marketing pick — Emory's business-school treatment goes past 'how to prompt' into training generative models for brand-specific output, the purchase-funnel economics of AI-generated content, and a full module of genuine skepticism about when generative AI is and isn't worth using in marketing.
IBM AI Academy
GenAI-kauden vastaus johtajan strategiaan. Kolme lyhyttä kurssia, jotka on suunniteltu erityisesti liiketoimintaan vastaaville — ei teknistä taustaosaamista vaadita — ja ne käsittelevät sitä, missä generatiivinen tekoäly tuottaa arvoa, miten sen voidaan hallita vastuullisesti sekä miten muuntaa epämääräinen "meidän pitäisi käyttää tekoälyä" konkreettiseksi ja puolustettavaksi käyttötarkoitukseksi. Arviointi 4.6 noin 700 arvostelun perusteella. Paras suorittaa ennen seuraavaa tekoälybudjetin päätöksentekoa.