Objetivos de Aprendizagem
- Diferenciar entre os paradigmas de fine-tuning completo e fine-tuning eficiente em parâmetros (PEFT).
- Dominar os detalhes da implementação da Adaptação de Baixa Rank (LoRA) e dos adaptadores de gargalo.
- Avaliar o impacto do ajuste por prefixos e ajuste por prompts na convergência do modelo.
- Analizar as trade-offs entre memória e desempenho em ambientes de fine-tuning com recursos limitados.