Microsoft Foundry에서 관리되는 교육을 사용하여 AI 에이전트를 위한 모델 미세 조정
중급
데이터 과학자
AI 엔지니어
Microsoft Foundry
Microsoft Foundry의 학습 방법을 살펴보고 Managed Training에 집중하여 AI 에이전트를 위한 모델을 미세 조정합니다. 미세 조정 방법을 선택하고, 학습 데이터를 준비하고, 하이퍼 매개 변수를 구성하고, 기준선과 비교하여 결과를 평가합니다.
학습 목표
이 모듈을 마치면 다음을 수행할 수 있습니다.
- 관리형 훈련과 프로그래밍된 훈련의 차이점을 설명하고(미리 보기), 훈련 액세스 방식이 파인 튜닝 방법과 어떻게 다른지 설명하세요.
- 품질 요구 사항, 데이터 가용성 및 비용 제약 조건에 따라 감독된 SFT(미세 조정), RFT(강화 미세 조정), DPO(직접 기본 설정 최적화)를 비롯한 미세 조정 방법을 평가하고 선택합니다.
- 에이전트 품질 문제를 인식하고 형식 불일치, 톤 불일치 또는 추론 실패의 근본 원인을 해결하는 미세 조정 방법을 결정합니다.
- 각 미세 조정 방법에 대한 형식 요구 사항의 유효성을 검사하고 품질 원칙을 적용하여 효과적인 데이터 세트를 만들어 학습 데이터를 준비합니다.
- 기준 성능을 평가하고, 측정 가능한 대상을 설정하고, 데이터 세트를 분할하고, 선택한 메서드에 대한 하이퍼 매개 변수를 구성하여 최적화 전략을 설계합니다.
사전 요구 사항
이 모듈을 시작하기 전에 Azure 기본 AI 개념 및 서비스에 대해 잘 알고 있어야 합니다.