Bahasa Indonesia: Bahasa Melayu dengan dialek-dialeknya

Memasang model bahasa hanya setengah dari pertempuran; memastikan bahwa model tersebut menghasilkan respons yang akurat, aman, dan relevan sangat penting untuk aplikasi dunia nyata. Kursus berbasis teks ini memandu Anda melalui proses penilaian dan benchmarking model output. Anda akan belajar bagaimana merancang dan mengeksekusi pipa evaluasi yang kuat di Azure Databricks, berpindah dari pemeriksaan manual subjektif ke strategi evaluasi otomatis yang dapat disesuaikan. Apa yang akan Anda pelajari: Mengerti metrik evaluasi model bahasa inti termasuk akurasi, relevansi, toxicity, dan groundedness; Konfigurasi lingkungan Azure Databricks untuk melacak dan mengelola evaluasi; Terapkan API evaluasi MLflow untuk secara sistematis log dan bandingkan versi model yang berbeda; Implementasi pola LLM-as-a-judge untuk mengotomatisasi Analisis hasil evaluasi untuk mengidentifikasi bias model dan kendala kinerja. Kursus ini dimulai dengan konsep dasar dari kinerja model dan terminologi evaluasi kunci. Anda akan maju ke menulis skrip evaluasi, mengkonfigurasi MLflow, dan menganalisis data komparatif melalui tutorial tertulis yang jelas, langkah demi langkah. Kursus ini dirancang untuk ilmuwan data, pengembang, dan penggemar AI yang ingin belajar dasar-dasar evaluasi model; tidak diperlukan pengalaman sebelumnya dengan Databricks atau pembelajaran mesin tingkat lanjut. Mulailah membangun aplikasi AI yang dapat diandalkan dengan mempelajari cara mengukur hal-hal yang penting.