> ## Documentation Index
> Fetch the complete documentation index at: https://docs.fastino.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Use https://docs.fastino.ai/openapi.json as the source of truth for customer-facing Fastino API routes. Only call operations present in that specification. Do not infer or call undocumented routes. Direct Fastino API integrations use https://api.fastino.ai, /v1 routes, and FASTINO_API_KEY.

# Créer un job d'entraînement

> Soumettez un job de fine-tuning Fastino.

Crée un job d'entraînement asynchrone et renvoie son enregistrement. Cet endpoint est limité à 20 requêtes par minute et par utilisateur.

## Requête

<ParamField header="X-API-Key" type="string" required>
  Votre clé API Fastino.
</ParamField>

<ParamField body="model_name" type="string" required>
  Nom d'affichage pour le modèle entraîné. Longueur : 1 à 100 caractères.
</ParamField>

<ParamField body="base_model" type="string" required>
  Un ID de modèle entraînable issu de `GET /v1/base-models?supports_training=true`, ou un UUID de checkpoint pris en charge.
</ParamField>

<ParamField body="datasets" type="object[]" required>
  Une ou plusieurs références de datasets. Chaque élément nécessite `name` et peut inclure `version` ; les versions omises sont résolues vers la dernière version.
</ParamField>

<ParamField body="training_type" type="string" default="lora">
  `lora` ou `full`. Le modèle de base sélectionné doit prendre en charge le type demandé.
</ParamField>

<ParamField body="validation_data_percentage" type="number" default="0.2">
  Fraction réservée pour la validation, de `0` à `1`.
</ParamField>

<ParamField body="nr_epochs" type="integer" default="100">
  Nombre maximal d'époques. Doit être au moins `1` ; l'arrêt anticipé peut terminer plus tôt.
</ParamField>

<ParamField body="learning_rate" type="number">
  Taux d'apprentissage maximal positif. Omettez-le pour utiliser la recette d'entraînement du modèle sélectionné.
</ParamField>

<ParamField body="batch_size" type="integer" default="4">
  Taille de batch par appareil. Il est préférable de l'omettre afin que le service d'entraînement puisse appliquer ou ramener en toute sécurité la valeur par défaut spécifique au modèle.
</ParamField>

<ParamField body="seed" type="integer">
  Seed de reproductibilité optionnelle entre `0` et `2147483647`. Définissez `provider_name` sur `modal` lors de son utilisation. Une seed réduit une source de variation mais ne garantit pas des exécutions GPU identiques bit à bit.
</ParamField>

<ParamField body="project_id" type="string">
  UUID du projet. S'il est omis, Fastino associe le job au projet par défaut de l'appelant.
</ParamField>

<Expandable title="Paramètres d'entraînement supplémentaires">
  <ParamField body="save_steps" type="integer" default="100">
    Enregistrer un checkpoint tous les N pas.
  </ParamField>

  <ParamField body="profile_training" type="boolean" default="false">
    Persister un artefact structuré de profil d'entraînement.
  </ParamField>

  <ParamField body="wandb_api_key" type="string">
    Clé API Weights & Biases optionnelle. Traitez-la comme un secret et ne la placez jamais dans le contrôle de source, les logs ou les exemples.
  </ParamField>

  <ParamField body="lora_r" type="integer">
    Rang LoRA. Omettez-le pour utiliser la recette du modèle.
  </ParamField>

  <ParamField body="lora_alpha" type="integer">
    Alpha LoRA. Omettez-le pour utiliser la recette du modèle.
  </ParamField>

  <ParamField body="lora_dropout" type="number">
    Dropout LoRA. Omettez-le pour utiliser la recette du modèle.
  </ParamField>

  <ParamField body="packing" type="boolean">
    Regrouper les exemples courts pour les jobs LoRA de décodeur compatibles.
  </ParamField>

  <ParamField body="mask_history" type="boolean" default="false">
    Option de masquage de loss pour décodeur. Les combinaisons non prises en charge sont rejetées.
  </ParamField>

  <ParamField body="warmup_ratio" type="number">
    Fraction de warmup de `0` à `1`. `warmup_steps` a la priorité.
  </ParamField>

  <ParamField body="warmup_steps" type="integer">
    Nombre absolu positif de pas de warmup.
  </ParamField>

  <ParamField body="lr_scheduler_type" type="string" default="cosine">
    Programme du taux d'apprentissage : `constant`, `linear` ou `cosine`.
  </ParamField>

  <ParamField body="weight_decay" type="number" default="0.01">
    Weight decay AdamW non négatif.
  </ParamField>

  <ParamField body="early_stopping_patience" type="integer" default="3">
    Époques de validation sans amélioration avant l'arrêt. Définissez `0` pour désactiver.
  </ParamField>

  <ParamField body="early_stopping_min_delta" type="number" default="0.0001">
    Amélioration minimale de la loss de validation considérée comme une progression.
  </ParamField>

  <ParamField body="provider_name" type="string">
    Fixer un fournisseur d'entraînement compatible. Omettez-le pour une sélection automatique.
  </ParamField>

  <ParamField body="system_prompt" type="string">
    Prompt système canonique pour un entraînement de décodeur compatible.
  </ParamField>

  <ParamField body="encoder_learning_rate" type="number">
    Taux d'apprentissage de l'encodeur GLiNER. Utilise `learning_rate` par défaut.
  </ParamField>

  <ParamField body="task_learning_rate" type="number">
    Taux d'apprentissage de la tête de tâche GLiNER. Utilise `learning_rate` par défaut.
  </ParamField>

  <ParamField body="gradient_accumulation_steps" type="integer">
    Nombre positif d'accumulations de mini-batchs.
  </ParamField>

  <ParamField body="auto_data_sizing" type="boolean">
    Activer le dimensionnement automatique des datasets GLiNER.
  </ParamField>

  <ParamField body="min_samples_per_dataset" type="integer">
    Borne inférieure du dimensionnement automatique GLiNER.
  </ParamField>

  <ParamField body="max_samples_per_dataset" type="integer">
    Borne supérieure du dimensionnement automatique GLiNER.
  </ParamField>

  <ParamField body="samples_per_label" type="integer">
    Échelle par étiquette pour le dimensionnement automatique GLiNER.
  </ParamField>

  <ParamField body="min_training_steps" type="integer">
    Nombre minimal de pas d'optimiseur GLiNER.
  </ParamField>

  <ParamField body="training_algorithm" type="string" default="sft">
    `sft`, `grpo` ou `dpo`. GRPO nécessite `rl_config.reward_type`. Les datasets DPO nécessitent les colonnes `prompt`, `chosen` et `rejected`.
  </ParamField>

  <ParamField body="rl_config" type="object">
    Paramètres spécifiques à l'algorithme. Les clés partagées incluent `max_steps` et `logging_steps`. GRPO prend en charge `reward_type`, `kl_beta`, `group_size`, `sampling_temperature` et `max_completion_length`. DPO prend en charge `dpo_beta` et `loss_type`. La récompense GRPO `llm_as_judge` prend aussi en charge `llm_judge_model`, `llm_judge_rubric`, `llm_judge_score_scale`, `llm_judge_timeout_s`, `llm_judge_max_concurrent`, `llm_judge_max_retries` et `llm_judge_retry_backoff_s`.
  </ParamField>
</Expandable>

<RequestExample>
  ```bash cURL theme={null}
  curl -X POST https://api.fastino.ai/v1/training-jobs \
    -H "X-API-Key: $FASTINO_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "model_name": "my-model-name",
      "base_model": "fastino/gliner2-multi-v1",
      "datasets": [{"name": "my-ready-dataset"}],
      "training_type": "lora",
      "nr_epochs": 5,
      "learning_rate": 5e-5,
      "validation_data_percentage": 0.2
    }'
  ```
</RequestExample>

## Réponse

Renvoie `200` avec l'enregistrement complet du travail d'entraînement, y compris un `id` UUID et le statut initial.

<ResponseExample>
  ```json Response theme={null}
  {
    "id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
    "model_name": "my-model-name",
    "base_model": "fastino/gliner2-multi-v1",
    "status": "requested",
    "training_type": "lora",
    "nr_epochs": 5,
    "learning_rate": 5e-5,
    "validation_data_percentage": 0.2
  }
  ```
</ResponseExample>

Conservez l'`id` renvoyé dans cette réponse. Vous l'utiliserez pour interroger le statut, récupérer les métriques et les artefacts, et exécuter des inférences sur le modèle entraîné.

Un corps mal formé renvoie `422`. Une combinaison valide mais indisponible de modèle, dataset, type d'entraînement ou fournisseur renvoie une erreur `4xx` spécifique à la requête.