Fra træningsdata til en målbar modeltilpasning.

Vi hjælper med dataklargøring, fine-tuning og evaluering af modeller. Før vi træner, fastlægger vi opgaven og en baseline, så I kan vurdere, om tilpasningen giver en reel forbedring.

Fortæl om jeres opgave Se, hvad vi hjælper med ↓

Direkte dialog med Phil i København.
Vi aftaler omfang og estimat, før arbejdet starter.

Få vurderet jeres opgave

Beskriv kort, hvad I vil have løst. Phil vender tilbage om mulighederne og næste skridt.

Foretrækker I direkte kontakt? +45 23 63 23 03 eller philip@openocean.dk.

Det kan vi hjælpe jer med.

Tag udgangspunkt i den opgave, I står med. Vi finder et konkret sted at begynde.

Baseline og metode

Vi sammenligner den nuværende model og enklere ændringer i prompts eller retrieval, før vi vælger træning.

Træningsdata

Data gennemgås for format, kvalitet, rettigheder og dubletter. Træning, validering og sluttest holdes adskilt.

Et afgrænset træningsforløb

Model, metode, kapacitet og forbrugsgrænse aftales. Vi kan hjælpe med et eksisterende setup eller etablere et nyt.

Evaluering og aflevering

Resultater sammenlignes med baseline på relevante opgaver. I får målinger, begrænsninger og en plan for anvendelse eller næste forsøg.

Fra beskrivelse til aflevering.

01
Vi afklarer opgaven
Send en kort beskrivelse. Vi spørger ind til mål, nuværende løsning og det, der skal fungere.
02
I vælger næste skridt
Vi aftaler leverance, adgang, estimat og tidspunkt. Kræver det en betalt analyse, aftaler vi den først.
03
Vi udfører og gennemgår
Arbejdet kontrolleres mod det aftalte mål. I får en gennemgang og overblik over eventuelle næste opgaver.

Opgaven kan være datavask, mærkning, et træningsforsøg eller et samlet forløb. Datatilgængelighed og modelvilkår afklares før start. En forbedring kan ikke garanteres.

Fra kundeprojekterne

Konkrete opgaver. Rigtige virksomheder.

Sangskriveren viser AI i et produkt, og Erhvervsstyrelsen viser beregningsarbejde. Ingen af casene dokumenterer et fine-tuning-forløb.

Sangskriveren

Fra kundens input til en personlig sang.

Website og bestillingsflow til AI-genererede sange. Kunden kan få en forsmag på første vers og vælge en betalt pakke. Et eksempel på AI som en del af et konkret produkt.

Læs casen

Erhvervsstyrelsen (ERST)

Offentlige data gjort anvendelige i en beregner.

En økonomisk beregner med en statisk frontend, der kunne køre på Erhvervsstyrelsens egen infrastruktur. Opgaven handlede om beregninger, formidling og levering inden for de tekniske rammer.

Læs casen

Før I beslutter jer

Et godt samarbejde starter med klare forventninger.

Tal med os om jeres opgave

Skal vi fine-tune eller bruge RAG?

Det afhænger af behovet. Adgang til opdateret viden taler ofte for retrieval, mens en afgrænset adfærd eller opgavetype kan tale for modeltilpasning. Vi tester en baseline først.

Kan I nøjes med at klargøre data?

Ja. Datavask, strukturering, annoteringsvejledning og kvalitetstjek kan være en selvstændig leverance.

Er GPU-forbrug inkluderet?

Kapacitet og tredjepartsforbrug aftales særskilt med en tydelig ramme. Vi sætter ikke et træningsjob i gang uden aftalt omfang.

Hvordan ved vi, om det virker?

Vi aftaler succeskriterier og et testdatasæt, som ikke indgår i træningen. Rapporten beskriver også fejl og begrænsninger.