Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik maak een aangepaste AAA-kwaliteitsdataset voor je ai llm fine-tuning
Ik maak AAA-kwaliteit datasets die je AI-modellen echt laten werken
AI Dataset Engineer - Ik bouw productieklare trainingsdata voor LLM fine-tuning.
Je stuurt me je documenten. Ik zet ze om in gestructureerde, klaar-om-te-trainen Q&A datasets die hallucinaties vermin...
Over deze dienst
AANGEPASTE AI-TRAININGSDATASETS Gebouwd voor Fine-Tuning, Niet Alleen Volume
Ben je het zat om te werken met lage kwaliteit gescrapete data die je model laat hallucineren? Ik ontwikkel precisie datasets uit JOUW domeindocumenten, speciaal ontworpen voor LLM fine-tuning.
️WAT JE KRIJGT
- Aangepaste instructie Q&A paren gebaseerd op JOUW bronnen, niet gescrapet
- 7 vraagtypes: feitelijk, scenario, redenering, negatieve voorbeelden, randgevallen, rollenspel, berekening
- Natuurlijke domeinspecifieke taal (juridisch, medisch, financieel register)
- Volledige bronherkomst traceerbaarheid elke Q&A gekoppeld aan de bron
- Elk formaat: Alpaca JSON, ChatML, ShareGPT, JSONL, CSV, Parquet
WAAROM MIJN datasets anders zijn
De meeste verkopers dumpen 10.000 ruisende gescrapete rijen in een CSV. Dat is rommel in, rommel uit.
Mijn proces:
- Ik lees je bron documenten volledig door
- Ik snijd ze met semantische segmentatie
- Ik genereer diverse, multi-type Q&A paren met natuurlijke parafrases
- Ik controleer op uniforme dekking zonder blinde vlekken
- Ik lever met een kwaliteitsrapport (Standaard & Premium)
Industrieën: Juridisch, Medisch, Financiën, Tech Docs, E-commerce
Talen: Frans & Engels
Ik maak alleen de DATASET. Ik train of implementeer geen modellen.
Neem contact met me op VOOR je bestelt om je projectomvang te bespreken.
Programmeertaal:
Python
Frameworks:
Scikit-learn
•
PyTorch
•
Panda
•
Overige
API's:
Overige
Tools:
Jupyter-notitieboek
•
Excel
•
Colab
•
Overige
Veelgestelde vragen
Automatische vertaling
Welke uitvoerformaten ondersteunen jullie?
JSON (Alpaca), JSON (ChatML/Llama-3), ShareGPT, JSONL (HuggingFace-compatibel), CSV, en Parquet. Als je een aangepast formaat nodig hebt, laat het me weten.
Welke bron documenten accepteer je?
PDF, TXT, DOCX, Markdown en HTML. Documenten moeten tekstgebaseerd zijn — geen gescande afbeeldingen. Als je PDF alleen uit afbeeldingen bestaat, OCR het dan eerst of vraag me om aanbevelingen.
Is de dataset compatibel met mijn model?
Ja. Mijn datasets zijn model-agnostisch en werken met Llama, Mistral, GPT, Gemma, Phi en elk open-weight model. Compatibel met Unsloth, Axolotl, HuggingFace TRL, LlamaFactory en OpenAI fine-tuning API.
Train je of fine-tune je het model?
Nee. Ik maak alleen de dataset. Je ontvangt een gestructureerd, klaar-om-te trainen bestand. Jij (of je ML-engineer) verzorgt de training en implementatie.
Welke talen ondersteunen jullie?
Frans en Engels. Ik kan ook tweetalige datasets maken (zelfde Q&A paren in beide talen) voor meertalige modeltraining.
Hoeveel Q&A paren kan je genereren uit mijn document?
Ongeveer 40-50 hoogwaardige paren per 3-4 pagina's dichte inhoud. Een document van 30 pagina's levert meestal 400-600 paren op. Exacte hoeveelheid hangt af van de inhoudsdichtheid.
Wat maakt jouw datasets beter dan goedkope gescrapete data?
Mijn datasets worden gemaakt uit JOUW documenten, niet gescrapet van het internet. Ze bevatten 7 vraagtypes, natuurlijke parafrases, volledige bronherkomst traceerbaarheid, en gecontroleerde uniforme dekking — geen blinde vlekken, geen ruis.
Kun je vertrouwelijke documenten behandelen?
Ja. Alle documenten worden strikt vertrouwelijk behandeld en na levering verwijderd. Ik kan een NDA ondertekenen voordat ik begin, indien nodig.
Kan ik een voorbeeld zien voordat ik bestel?
Ja! Stuur me een bericht en ik stuur je een gratis voorbeeld van 10-15 Q&A paren uit een openbaar document in jouw domein, zodat je de kwaliteit kunt beoordelen.
Moet ik de bron documenten aanleveren?
Ja. Jij levert de documenten met de kennis die je wilt dat je model leert. Ik zet ze om in gestructureerde trainingsdata. Bekijk mijn vereisten voor geaccepteerde formaten.
