Ik stem llms fijn af en train ze met pytorch en huggingface

Ik pas open modellen aan op jouw data zodat ze echt jouw terminologie, documenten en gebruiksgeval begrijpen.

Wat ik doe

• Open-weights LLMs finetunen met LoRA of volledige fine-tuning, op PyTorch en HuggingFace
• Je ruwe data schoonmaken en structureren tot een bruikbare trainingsset, meestal het moeilijkste deel
• Een evaluatieharnas bouwen zodat de kwaliteit gemeten wordt, niet geraden
• Exporteren voor productie: ONNX, TorchScript, of een geïmplementeerde inference API
• Het draaien op jouw infrastructuur, zodat er geen per-token API-kosten zijn

Recent werk: een model finetunen op de interne documentatie van een klant. De nauwkeurigheid op hun benchmark ging van ongeveer 60% naar meer dan 90%, draaiend op hun eigen hardware.

Hoe ik werk

Ik bouw de eval set voordat ik iets train. Zonder dat is er geen manier om te bepalen of een run verbeteringen bracht of het juist erger maakte, en de meeste fine-tuning projecten slaan deze stap over.

Ik vertel je ook wanneer fine-tuning niet de beste oplossing is, soms helpt RAG of betere prompting je daar veel goedkoper te brengen.

Stuur me een bericht met je use case en datasetgrootte, en ik vertel je wat realistisch is.