Como Criar o seu Próprio LLM com Dados Próprios

Nesse minicurso inédito, você encontrará um guia passo a passo que vai guiar você na criação do seu próprio modelo DeepSeek-R1 com dados próprios por meio da técnica de Fine-Tuning.

Ementa do Curso

• Compreendendo o que é DeepSeek-R1
• Fine-Tuning de um LLM
• Configuração do Ambiente no Google Colab GPU T4
• Carregando o Modelo Pré-treinado e Tokenizer
• Preparando o seu Conjunto de Dados
• Aplicando técnica de Ajuste Fino (Fine-Tuning)
• Treinando o Modelo
• Inferência de modelo
• Salvando o modelo localmente no Google Drive e remotamente no Hugging Face
• Quantizando e implantando o novo modelo no Hugging Face

BONUS:

Instalando e rodando o LLM DeepSeek-R1 fine-tunado na sua máquina via Ollama

Valor: R$ 350,00

Formato: Vídeo | Pagamento: PIX, Cartão, Boleto

Algumas dúvidas de alunos:

1) O curso ficará disponível por quanto tempo na Hotmart?

O curso ficará disponível para quem adquirir o curso por tempo indeterminado. Não pretendo retirar o curso da Hotmart, somente se houver algum problema na Hotmart.

2) O curso será atualizado?

Esse curso é voltado para o LLM DeepSeek-R1, se a DeepSeek fizer alguma atualização no DeepSeek-R1 irei atualizar o curso de DeepSeek-R1. No entanto, se a DeepSeek lançar um nova versão do LLM, por exemplo, DeepSeek-R2 pretendo lançar outro curso sobre essa nova versão, pois normalmente ocorrem mudanças entre as versões que as tornam incompatíveis.

3) Durante a implementação poderá eventualmente existir algum tipo de dificuldade? Existe algum tipo de suporte?

Forneço o código (notebook) que criei para realizar o fine-tuning com isso basta seguir o passo a passo do vídeo, e executar cada célula de código seguindo a sequência de passos do vídeo. Sobre suporte, posso tirar dúvidas sobre o curso até o aluno conseguir executar o seu primeiro fine-tuning do DeepSeek-R1 com um dataset próprio.

Meu e-mail para suporte: fsantos.mail@gmail.com

4) Qual hardware mínimo necessário para relizar o fine-tuning?

Nesse minicurso será usado a GPU T4 do Google Colab.

Requisitos mínimos de hardware próprio: GPU Nvidia RTX 3090 de 24G de VRAM e 64GB de memória RAM com i7 de 8 cores e 16 threads. Para usar sua máquina, recomendo instalar o CUDA, driver NVIDIA da sua GPU, e o pytorch para que a sua GPU possa ser usada no fine-tuning. Também recomendo instalar a extensão do Jupyter Notebook no seu Visual Studio para poder executar o notebook que implementa o código do fine-tuning.