Дай на агента си умения

wshobson

Подготовка на данни за дообучение на модели

Подготвя, форматира и проверява набори от данни за дообучение с учител и обучение по предпочитания: превръща сурови данни в обучителен формат, прилага шаблони за…

wshobson

Обучение с GRPO и проверими награди (RLVR)

Обучава модели да разсъждават чрез GRPO и подкрепление с проверими награди, когато успехът се проверява автоматично – математика, код, извиквания на инструменти…

wshobson

Архитектура на приложения с LangChain

Проектира приложения с езикови модели на LangChain 1.x и LangGraph – агенти, памет, свързване с инструменти и сложни работни процеси.

wshobson

Рецепти за дообучение с LoRA и QLoRA

Настройва дообучение с LoRA и QLoRA по актуалните добри практики за хиперпараметрите – ранг, алфа, целеви модули. Помага в избора между LoRA, QLoRA и пълно…

wshobson

Износ на дообучен модел с квантуване

Изнася одобрен дообучен модел в правилния формат за внедряване – слети safetensors, само LoRA, GGUF с матрица на важността или FP8. Помага при избора на квантуване…

wshobson

Среда за машинно обучение на NVIDIA DGX Spark

Подготвя среда за обучение и изпълнение на модели на NVIDIA DGX Spark (GB10, aarch64, CUDA 13) – инсталира PyTorch, Unsloth, TRL и vLLM, решава грешки с libcudart и…

wshobson

Настройка на векторни индекси

Оптимизира векторни индекси по скорост, пълнота на резултатите и памет – параметри на HNSW, стратегии за квантизация и мащабиране на векторното търсене.

wshobson

Дообучаване на визуално-езикови модели

Дообучава визуално-езикови модели с учител върху двойки изображение и текст. Настройва LoRA при замразена визуална част и търси причината, когато обучението върви…