course/pr_1130/my/_app/immutable/nodes/26.cef28fa5.js

import{s as tt,n as et,o as nt}from"../chunks/scheduler.893fe8c9.js";import{S as st,i as it,e as a,s as i,c as G,h as lt,a as o,d as n,b as l,f as X,g as R,j as M,k as Y,l as at,m as s,n as U,t as j,o as q,p as B}from"../chunks/index.b1df2166.js";import{C as ot,H as Z,E as rt}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.13a471f4.js";function mt(D){let r,C,T,L,m,b,g,P,p,K="ဒီအခန်းမှာ၊ ကျွန်တော်တို့ဟာ language models တွေကို fine-tuning လုပ်ရာမှာ မရှိမဖြစ်လိုအပ်တဲ့ အစိတ်အပိုင်းတွေကို လေ့လာခဲ့ပါတယ်။",y,u,O="၁။ <strong>Chat Templates</strong> တွေက model ရဲ့ အပြန်အလှန်ဆက်သွယ်မှုတွေကို စနစ်တကျဖြစ်အောင် ပုံဖော်ပေးပါတယ်။ ဒါက စံပြုထားတဲ့ formatting တွေကနေတစ်ဆင့် တသမတ်တည်းဖြစ်ပြီး သင့်လျော်တဲ့ တုံ့ပြန်မှုတွေကို သေချာစေပါတယ်။",k,f,J="၂။ <strong>Supervised Fine-Tuning (SFT)</strong> က pre-trained models တွေကို ၎င်းတို့ရဲ့ အခြေခံဗဟုသုတတွေကို ထိန်းသိမ်းထားရင်း သီးခြား tasks တွေနဲ့ လိုက်လျောညီထွေဖြစ်အောင် လုပ်ဆောင်နိုင်စေပါတယ်။",w,d,N="၃။ <strong>LoRA</strong> ကတော့ model ရဲ့ စွမ်းဆောင်ရည်ကို ထိန်းသိမ်းထားရင်း trainable parameters တွေကို လျှော့ချခြင်းဖြင့် fine-tuning လုပ်ရာမှာ ထိရောက်တဲ့ ချဉ်းကပ်မှုတစ်ရပ်ကို ပံ့ပိုးပေးပါတယ်။",H,c,Q="၄။ <strong>Evaluation</strong> ကတော့ metrics နဲ့ benchmarks အမျိုးမျိုးကနေတစ်ဆင့် fine-tuning ရဲ့ ထိရောက်မှုကို တိုင်းတာပြီး အတည်ပြုပေးပါတယ်။",A,$,V="ဒီနည်းလမ်းတွေကို ပေါင်းစပ်အသုံးပြုတဲ့အခါ၊ ကွန်ပျူတာအရင်းအမြစ်တွေကို ထိရောက်စွာ အသုံးပြုရင်း သီးခြား tasks တွေမှာ ထူးချွန်တဲ့ specialized language models တွေကို ဖန်တီးနိုင်ပါတယ်။ သင်ဟာ customer service bot ဒါမှမဟုတ် domain-specific assistant တစ်ခု တည်ဆောက်နေသည်ဖြစ်စေ၊ ဒီ concepts တွေကို နားလည်ထားတာက model ကို အောင်မြင်စွာ လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်ဖို့ မရှိမဖြစ်လိုအပ်ပါတယ်။",S,v,E,_,W="<li><strong>Fine-tuning</strong>: ကြိုတင်လေ့ကျင့်ထားပြီးသား (pre-trained) မော်ဒယ်တစ်ခုကို သီးခြားလုပ်ငန်းတစ်ခု (specific task) အတွက် အနည်းငယ်သော ဒေတာနဲ့ ထပ်မံလေ့ကျင့်ပေးခြင်းကို ဆိုလိုပါတယ်။</li> <li><strong>Language Models</strong>: လူသားဘာသာစကား၏ ဖြန့်ဝေမှုကို နားလည်ရန် လေ့ကျင့်ထားသော AI မော်ဒယ်တစ်ခု။ ၎င်းသည် စာသားထုတ်လုပ်ခြင်း၊ ဘာသာပြန်ခြင်း စသည့်လုပ်ငန်းများတွင် အသုံးပြုနိုင်သည်။</li> <li><strong>Chat Templates</strong>: အသုံးပြုသူနှင့် AI မော်ဒယ်များကြား အပြန်အလှန်ဆက်သွယ်မှုများကို စနစ်တကျ ပြုလုပ်ပေးသည့် ဖွဲ့စည်းပုံများ။ ၎င်းတို့သည် တသမတ်တည်းဖြစ်ပြီး အခြေအနေနှင့်ကိုက်ညီသော တုံ့ပြန်မှုများကို သေချာစေသည်။</li> <li><strong>Standardized Formatting</strong>: သတ်မှတ်ထားသော ပုံစံစည်းမျဉ်းများအတိုင်း စာသား သို့မဟုတ် ဒေတာများကို ပုံစံချခြင်း။</li> <li><strong>Supervised Fine-Tuning (SFT)</strong>: ကြိုတင်လေ့ကျင့်ထားပြီးသား (pre-trained) မော်ဒယ်တစ်ခုကို တိကျသောလုပ်ငန်းဆောင်တာများ (specific tasks) အတွက် label ပါသော ဒေတာများကို အသုံးပြု၍ ထပ်မံလေ့ကျင့်ခြင်းနည်းလမ်း။</li> <li><strong>Pre-trained Models</strong>: အကြီးစား ဒေတာအမြောက်အမြားဖြင့် ကြိုတင်လေ့ကျင့်ထားပြီးဖြစ်သော AI မော်ဒယ်များ။</li> <li><strong>Foundational Knowledge</strong>: model တစ်ခု၏ မူလ pre-training လုပ်ငန်းစဉ်မှ သင်ယူထားသော အခြေခံဗဟုသုတများ။</li> <li><strong>LoRA (Low-Rank Adaptation)</strong>: Transformer မော်ဒယ်များကဲ့သို့သော large models များကို fine-tuning လုပ်ရာတွင် ထိရောက်မှုရှိစေရန်အတွက် model ၏ layers တွေမှာ low-rank matrices တွေကို ထပ်ထည့်သည့် နည်းပညာ။</li> <li><strong>Trainable Parameters</strong>: model အတွင်းရှိ လေ့ကျင့်နိုင်သော weights နှင့် biases များ၏ အရေအတွက်။</li> <li><strong>Model Performance</strong>: model တစ်ခု၏ သတ်မှတ်ထားသော လုပ်ငန်းဆောင်တာများ (tasks) တွင် မည်မျှကောင်းစွာ လုပ်ဆောင်နိုင်သည်ကို ဖော်ပြခြင်း။</li> <li><strong>Evaluation</strong>: fine-tuning လုပ်ငန်းစဉ်ပြီးနောက် model ၏ စွမ်းဆောင်ရည်ကို တိုင်းတာခြင်း။ ၎င်းသည် model ၏ ထိရောက်မှုနှင့် တိကျမှုကို ဆုံးဖြတ်ရန် ကူညီပေးသည်။</li> <li><strong>Metrics</strong>: Model ၏ စွမ်းဆောင်ရည်ကို တိုင်းတာရန် အသုံးပြုသော တန်ဖိုးများ (ဥပမာ- accuracy, F1 score)။</li> <li><strong>Benchmarks</strong>: Model များကို နှိုင်းယှဉ်ရန်အတွက် အသုံးပြုသော စံပြုထားသော datasets များနှင့် evaluation metrics များ။</li> <li><strong>Specialized Language Models</strong>: သီးခြား domain သို့မဟုတ် task တစ်ခုအတွက် အထူးပြုလေ့ကျင့်ထားသော language models များ။</li> <li><strong>Computationally Efficient</strong>: ကွန်ပျူတာအရင်းအမြစ်များ (ဥပမာ- CPU, GPU, memory) ကို ထိရောက်စွာ အသုံးပြုနိုင်ခြင်း။</li> <li><strong>Customer Service Bot</strong>: အသုံးပြုသူများ၏ မေးခွန်းများကို ဖြေကြားရန် သို့မဟုတ် ဝန်ဆောင်မှုပေးရန် ဒီဇိုင်းထုတ်ထားသော AI chatbot။</li> <li><strong>Domain-specific Assistant</strong>: သီးခြားနယ်ပယ်တစ်ခု (ဥပမာ- ဆေးပညာ၊ ဥပဒေ) အတွက် အထူးပြုလေ့ကျင့်ထားသော AI assistant။</li> <li><strong>Model Adaptation</strong>: model တစ်ခုကို အခြေအနေအသစ်များ သို့မဟုတ် tasks အသစ်များအတွက် လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်ခြင်း။</li>",F,h,z,x,I;return m=new ot({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),g=new Z({props:{title:"နိဂုံးချုပ်",local:"နဂခပ",headingTag:"h1"}}),v=new Z({props:{title:"ဝေါဟာရ ရှင်းလင်းချက် (Glossary)",local:"ဝဟရ-ရငလငခက-glossary",headingTag:"h2"}}),h=new rt({props:{source:"https://github.com/huggingface/course/blob/main/chapters/my/chapter11/6.mdx"}}),{c(){r=a("meta"),C=i(),T=a("p"),L=i(),G(m.$$.fragment),b=i(),G(g.$$.fragment),P=i(),p=a("p"),p.textContent=K,y=i(),u=a("p"),u.innerHTML=O,k=i(),f=a("p"),f.innerHTML=J,w=i(),d=a("p"),d.innerHTML=N,H=i(),c=a("p"),c.innerHTML=Q,A=i(),$=a("p"),$.textContent=V,S=i(),G(v.$$.fragment),E=i(),_=a("ul"),_.innerHTML=W,F=i(),G(h.$$.fragment),z=i(),x=a("p"),this.h()},l(t){const e=lt("svelte-u9bgzb",document.head);r=o(e,"META",{name:!0,content:!0}),e.forEach(n),C=l(t),T=o(t,"P",{}),X(T).forEach(n),L=l(t),R(m.$$.fragment,t),b=l(t),R(g.$$.fragment,t),P=l(t),p=o(t,"P",{"data-svelte-h":!0}),M(p)!=="svelte-1866hma"&&(p.textContent=K),y=l(t),u=o(t,"P",{"data-svelte-h":!0}),M(u)!=="svelte-1k8b7kr"&&(u.innerHTML=O),k=l(t),f=o(t,"P",{"data-svelte-h":!0}),M(f)!=="svelte-191co34"&&(f.innerHTML=J),w=l(t),d=o(t,"P",{"data-svelte-h":!0}),M(d)!=="svelte-2ja07q"&&(d.innerHTML=N),H=l(t),c=o(t,"P",{"data-svelte-h":!0}),M(c)!=="svelte-v1fvpb"&&(c.innerHTML=Q),A=l(t),$=o(t,"P",{"data-svelte-h":!0}),M($)!=="svelte-la07lm"&&($.textContent=V),S=l(t),R(v.$$.fragment,t),E=l(t),_=o(t,"UL",{"data-svelte-h":!0}),M(_)!=="svelte-1sn0iln"&&(_.innerHTML=W),F=l(t),R(h.$$.fragment,t),z=l(t),x=o(t,"P",{}),X(x).forEach(n),this.h()},h(){Y(r,"name","hf:doc:metadata"),Y(r,"content",gt)},m(t,e){at(document.head,r),s(t,C,e),s(t,T,e),s(t,L,e),U(m,t,e),s(t,b,e),U(g,t,e),s(t,P,e),s(t,p,e),s(t,y,e),s(t,u,e),s(t,k,e),s(t,f,e),s(t,w,e),s(t,d,e),s(t,H,e),s(t,c,e),s(t,A,e),s(t,$,e),s(t,S,e),U(v,t,e),s(t,E,e),s(t,_,e),s(t,F,e),U(h,t,e),s(t,z,e),s(t,x,e),I=!0},p:et,i(t){I||(j(m.$$.fragment,t),j(g.$$.fragment,t),j(v.$$.fragment,t),j(h.$$.fragment,t),I=!0)},o(t){q(m.$$.fragment,t),q(g.$$.fragment,t),q(v.$$.fragment,t),q(h.$$.fragment,t),I=!1},d(t){t&&(n(C),n(T),n(L),n(b),n(P),n(p),n(y),n(u),n(k),n(f),n(w),n(d),n(H),n(c),n(A),n($),n(S),n(E),n(_),n(F),n(z),n(x)),n(r),B(m,t),B(g,t),B(v,t),B(h,t)}}}const gt='{"title":"နိဂုံးချုပ်","local":"နဂခပ","sections":[{"title":"ဝေါဟာရ ရှင်းလင်းချက် (Glossary)","local":"ဝဟရ-ရငလငခက-glossary","sections":[],"depth":2}],"depth":1}';function pt(D){return nt(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ct extends st{constructor(r){super(),it(this,r,pt,mt,tt,{})}}export{ct as component};