Tutorial sui LLM

Scopri come Docker Model Runner semplifica l’esecuzione locale degli LLM, migliora la privacy, riduce i costi e si integra senza problemi con gli strumenti Docker esistenti.

Configura Ollama in Docker per eseguire LLM locali come Llama e Mistral. Tieni i tuoi dati privati, elimina i costi API e crea app AI che funzionano offline.

Impara a fare il fine-tuning di FunctionGemma in meno di 10 minuti usando le GPU gratuite di Kaggle: dalla preparazione del dataset e valutazione baseline all’addestramento e alla validazione post fine-tuning.

Esegui il fine-tuning del nuovo modello Gemma usando il dataset di ragionamento finanziario per migliorarne l’accuratezza e adottare lo stile del dataset.

Scopri come effettuare il fine-tuning del miglior modello open-source per il reasoning su un dataset medico di domande a scelta multipla (MCQ) usando una GPU consumer.

Fine-tuning del primo modello di ragionamento open source al mondo sul dataset medical chain of thought per costruire migliori medici AI per il futuro.

Personalizza il modello GPT-4o Mini per classificare i post di Reddit con etichette "stressante" e "non stressante".

Una guida passo passo al fine-tuning del modello OpenAI GPT-OSS 20B sul dataset di domande e risposte mediche, sia per l’accuratezza sia per l’adozione dello stile.

Scopri come accedere ai modelli leggeri e vision di Llama 3.2 su Kaggle, fare fine-tuning del modello su un dataset personalizzato usando GPU gratuite, unire ed esportare il modello su Hugging Face Hub e convertire il modello con fine-tuning in formato GGUF per usarlo in locale con l’app Jan.

Scopri come effettuare il fine-tuning di un modello multimodale di Meta AI sul dataset dei prodotti Amazon usando il framework Unsloth.

Scopri come fare fine-tuning del modello Llama 4 Scout Instruct su un dataset di ragionamento medico usando le GPU di RunPod.

Guida passo passo al fine-tuning del modello di ragionamento Mistral su un dataset di MCQ medici usando il framework Transformers.