Eğitim örnekleri oluşturma
Ekibinin geliştirdiği bir müşteri hizmetleri sohbet botunun parçası olarak, bir dil modelini ince ayar (fine-tune) etmek için kullanılacak bir veri kümesini ön işlemek üzere bir ardışık düzen (pipeline) oluşturuyorsun. Amaç, modelin müşterinin sorusunun amacını (intent) tahmin edip talepleri işleme için doğru ekibe yönlendirebilmesi.
Elinde müşteri sorusu ve niyetinin ayrı sütunlarda olduğu bir veri kümesi var. Bu veri kümesini, soru ve niyeti içeren her örneği kendi biçimlenmiş isteminle tek bir metin dizesinde birleştirecek şekilde ön işlemek istiyorsun.
Veri kümesi dataset değişkenine zaten yüklendi. Veri kümesinde, müşteri sorusunu içeren instruction ve kullanıcının niyetini içeren intent sütunları bulunuyor.
Bu egzersiz
Llama 3 ile İnce Ayar (Fine-Tuning)
kursunun bir parçasıdırEgzersiz talimatları
"Query: {instruction}\nIntent: {intent}"biçiminde, instruction ve intent içeren bir istem (prompt) dizesi oluştur.create_intent_examplefonksiyonunu her satıra uygulamak için fonksiyon çağrısını veri kümesiyle doldur.- Veri kümesinin ilk satırındaki
intent_examplesütunundaki değeri çıkar ve yazdır.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
def create_intent_example(row):
# Fill out the columns in the prompt
row['intent_example'] = ____
return row
# Call the ds method to apply our preprocessing function to all rows
processed_dataset = dataset.____(____)
# Print the intent_example in the first row of the processed data
print(processed_dataset[____][____])