Kontakt aufnehmen

Schulungsübersicht

Einführung in die fortschrittliche Modellanpassung

  • Überblick über Feintuning und Prompt-Management in Vertex AI
  • Anwendungsfälle für die Modelloptimierung
  • Praktisches Labor: Einrichtung des Vertex-AI-Arbeitsbereichs

Überwachtes Feintuning von Gemini-Modellen

  • Vorbereitung der Trainingsdaten für das Feintuning
  • Ausführen überwachter Feintuning-Pipelines
  • Praktisches Labor: Feintuning eines Gemini-Modells

Prompt-Engineering und Versionsverwaltung

  • Entwurf effektiver Prompts für generative KI
  • Versionskontrolle und Reproduzierbarkeit
  • Praktisches Labor: Erstellung und Testung von Prompt-Versionen

Bewertung und Benchmarking

  • Überblick über Bewertungsbibliotheken in Vertex AI
  • Automatisierung von Test- und Validierungsworkflows
  • Praktisches Labor: Bewertung von Prompts und Ausgaben

Bereitstellung und Überwachung von Modellen

  • Integration optimierter Modelle in Anwendungen
  • Überwachung der Leistung und Drift-Erkennung
  • Praktisches Labor: Bereitstellung eines feingetunten Modells

Best Practices für die KI-Optimierung im Unternehmen

  • Scalability und Kostenmanagement
  • Ethische Überlegungen und Verringerung von Verzerrungen (Bias)
  • Fallstudie: Verbesserung von KI-Anwendungen in der Produktion

Zukunftsperspektiven im Feintuning und Prompt-Management

  • Aufkommende Trends in der LLM-Optimierung
  • Automatisierte Prompt-Anpassung und Reinforcement Learning
  • Strategische Implikationen für den Unternehmenseinsatz

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Erfahrung mit Machine-Learning-Workflows
  • Kenntnisse in der Programmierung mit Python
  • Vertrautheit mit cloudbasierten KI-Plattformen

Zielgruppe

  • KI-Ingenieure
  • MLOps-Praktiker
  • Wissenschaftler für Datenanalyse (Data Scientists)
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien