Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich bereite dein Dataset für LLM-Feinabstimmung oder RAG-Ingestion vor
Beheben Sie die Ursache, nicht das Symptom
Ich bin ein Full Stack Entwickler, spezialisiert auf KI, Automatisierung und moderne Webanwendungen. Ich erstelle KI-Assistenten, LLM-Integrationen, RAG-Systeme, SaaS-Plattformen, React/Next.js-Apps, ...
Über diesen Service
Ich bereite dein Dataset für die Feinabstimmung von LLMs oder RAG-Ingestion vor und exportiere es im Format, das dein Trainer erwartet (JSONL / Parquet / HuggingFace / OpenAI / Axolotl / LLaMA-Factory).
Was du bekommst:
Fehlende Werte behandelt, Duplikate (exakt + fuzzy) entfernt, Ausreißer bearbeitet
Label-Audit + stratifizierte Train/Val/Test-Splits
Textbereinigung: HTML entfernen, Unicode normalisieren, Spracherkennung
Format-Export für HuggingFace Datasets, OpenAI JSONL, Axolotl oder LLaMA-Factory
Datenvalidierungsbericht (Great Expectations)
Stack: Pandas, NumPy, Polars, LangChain, LlamaIndex, HuggingFace Datasets.
Datensatzgröße: 50K Zeilen (Basic) / 500K Zeilen (Standard) / 5M Zeilen (Premium). RAG-Chunking + Embedding-Export im Premium enthalten.
Sende mir eine Nachricht mit einem Satz zu deinem Anwendungsfall, ich antworte innerhalb von 2 Stunden mit einem festen Angebot.
Programmiersprache:
Python
Datentyp:
Text
KI-Engine:
GPT
•
Llama
•
Andere
FAQ
Automatische Übersetzung
Welche Dataset-Formate akzeptierst du?
CSV, TSV, Excel, JSON, JSONL, Parquet und jedes Format, das mit HuggingFace Datasets kompatibel ist. Ich akzeptiere auch gescrapten Text aus PDFs, Notion-Exports, Confluence-Seiten, Slack-Threads und Support-Transkripten.
Kannst du RAG-spezifisches Chunking durchführen?
Ja, auf Premium führe ich token-basiertes oder semantisches Chunking durch und exportiere Embeddings in einem schema, das für Pinecone, Weaviate oder Qdrant bereit ist, inklusive Metadaten für Filterung bei Abfragen.
Unterstützt du Open-Source-Modelle wie Llama 3 oder Mistral?
Ja — ich formatiere Ausgaben so, dass sie dem HuggingFace-Chat-Template, Axolotl oder LLaMA-Factory-Konfigurationen entsprechen. Mehrfache Gesprächsstrukturen bleiben erhalten. Lokale LLM-Setups (unsloth, PEFT, QLoRA) werden auf Anfrage unterstützt.
Kannst du PII oder sensible Daten aus meinem Dataset entfernen?
PII-Entfernung (regex + spaCy NER) ist auf Anfrage möglich — ersetzt keine eigene Compliance-Überprüfung. Vor jeder Datenübertragung ist eine unterschriebene NDA verfügbar.
