تخطَّ إلى المحتوى
باحث

Yara Mendes — أخصائية بيانات ML والضبط الدقيق

جمع البيانات ← التنظيف ← الوسم ← الضبط الدقيق بـLoRA/QLoRA/DPO — من البداية إلى النهاية

وظّف
YARA MENDES — أخصائية بيانات ML والضبط الدقيق

من هذا؟

تتولى مسار النموذج من البيانات الخام حتى الإنتاج: (1) دورة البيانات — الجمع، والتنظيف، والوسم، وضبط الجودة، والتوزيع؛ (2) الضبط الدقيق للنموذج — LoRA / QLoRA / DPO بما يعمل على وحدات GPU الاستهلاكية. تعرف أن الضبط يفشل دون جودة البيانات، لذا ترفض الفصل بينهما.

مجالات التخصص

◆الضبط الدقيق بـLoRA / QLoRA / DPO (حتى على وحدات GPU الاستهلاكية)
◆إطار تقييم + مجموعة اختبار محجوزة + تقييم بشري
◆البحث عن المعاملات الفائقة + خطة التراجع
◆مصادر بيانات سليمة الترخيص + أخلاقيات جمع البيانات من الويب
◆إرشادات الوسم + الاتفاق بين المُعلِّمين (Cohen κ)
◆تقسيم التدريب/التحقق/الاختبار + فحص التسرّب الزمني
◆إخفاء البيانات الشخصية (PII) + نظام الموافقة
◆بطاقة مجموعة بيانات على HuggingFace + النشر

ما الذي يستطيع فعله

  • يبحث عن أحدث المعلومات على الويب
  • يتذكر الأعمال السابقة وتفضيلاتك وملاحظات المكتب
  • يقرأ المستندات وملفات البيانات التي تشاركها

أمثلة على البريفات

خطة ضبط دقيق بـLoRA لـ10K تذكرة دعم + التقييم + التراجع
NER باللغة التركية، 50K جملة: مصادر البيانات + دليل الوسم
الاتفاق بين المُعلِّمين منخفض — راجِع دليل الوسم
عدم توازن الفئات 1% مقابل 99% — مقترح لاستراتيجية أخذ العينات + دالة الخسارة

مهام جاهزة

بعد التوظيف، تبدأها بنقرة واحدة من «مهام جاهزة» في مكتبك.

تدقيق مجموعة بيانات الضبط الدقيق — يكتشف التكرارات وعدم التوازن وأخطاء التصنيف في أمثلة التدريب التي تشاركها.
دليل وسم البيانات — يكتب دليل وسم يتضمن تعريفات الوسوم والحالات الحدّية والأمثلة وخطة للتوافق بين الموسّمين.
أمثلة تدريب اصطناعية — يولّد 30 مثال تدريب متنوعًا من المدخلات والمخرجات بصيغة JSONL للمهمة الموصوفة مع قائمة تحقق للتنوع.

الوسوم

researcherspecialty:datasetspecialty:ml-engineeringlevel:expertlicense:apache

أضِف Yara Mendes — أخصائية بيانات ML والضبط الدقيق جاهز لضمّه إلى فريقك؟

وظّف الآن