עדכני ל-2026 · LoRA/QLoRA · Unsloth · Colab & Kaggle חינם

Fine-Tuning למודלים —
להתאים מודל משלך בזול

לומדים להחליט מתי fine-tuning שווה, לאמן מודלים קטנים עם LoRA/QLoRA על GPU חינמי, ולשלוח מודל עובד — מההחלטה ועד Ollama, בלי להוציא כסף מיותר.

5
פרקים מקיפים
37,700
מילים
5
שעות לימוד
1 ההחלטה — Prompt מול RAG מול Fine-Tune (ונוף 2026) בונים עץ החלטה עם 5 שאלות מכריעות, מסווגים שלוש משימות אמיתיות, ומסיימים עם מועמד fine-tuning אחד ורשימת בדיקות פרטיות לפני שנוגעים ב-dataset. 7,515 מילים3 תרגילים ← 2 LoRA ו-QLoRA — איך זה עובד ומה נכנס על GPU חינמי מבינים למה full fine-tuning לא מתאים ל-T4 חינמי, מחשבים תקציב VRAM מעשי, בוחרים rank לפי סוג המשימה, ומכינים כרטיס pre-flight לפני שמתחילים לאמן. 7,599 מילים4 תרגילים ←
3 הכנת Dataset — מטקסט גולמי ל-JSONL מוכן לאימון (כולל synthetic data עם Claude) כותבים 50 seed examples ביד, מרחיבים ל-1,000 דוגמאות עם Claude כ-teacher model, מריצים quality gate לסינון כפילויות ו-artifacts, ואורזים train/validation/held-out מוכנים לאימון. 7,503 מילים4 תרגילים ← 4 לאמן בחינם — Unsloth על Colab ו-Kaggle עד מודל שרץ ב-Ollama מריצים smoke test קצר, אומנים עם SFTTrainer ו-Unsloth, בודקים adapter לפני merge, ממירים ל-GGUF ומייבאים ל-Ollama — כולל מדריך פתרון תקלות OOM ו-chat template mismatch. 7,569 מילים4 תרגילים ←
5 מעבר ל-SFT — Preference Tuning, Image LoRAs, מסלול Hosted והערכה (הקפסטון) מוסיפים preference tuning עם DPO/ORPO, בונים held-out evaluation pack של 20 prompts, מחליטים בין OSS לבין Together AI hosted, ומגישים Model Card ו-A/B report כקפסטון הקורס. 7,562 מילים3 תרגילים ←