Kontakt aufnehmen

Schulungsübersicht

Einführung in das Fein-Tuning

  • Was ist Fein-Tuning?
  • Anwendungsfälle und Vorteile des Fein-Tunings
  • Übersicht über vortrainierte Modelle und Transfer Learning

Vorbereitung auf das Fein-Tuning

  • Sammeln und Bereinigen von Datensätzen
  • Verständnis der aufgabenspezifischen Datenanforderungen
  • Erschließende Datenanalyse und Vorverarbeitung

Fein-Tuning-Techniken

  • Transfer Learning und Merkmalsextraktion
  • Feinabstimmung von Transformer-Modellen mit Hugging Face
  • Fein-Tuning für überwachtes versus unüberwachtes Lernen

Fein-Tuning von Large Language Models (LLMs)

  • Anpassung von LLMs an NLP-Aufgaben (z. B. Textklassifizierung, Zusammenfassung)
  • Ausbildung von LLMs mit benutzerdefinierten Datensätzen
  • Kontrolle des LLM-Verhaltens durch Prompt Engineering

Optimierung und Evaluation

  • Hyperparameter-Tuning
  • Bewertung der Modellleistung
  • Umgang mit Überanpassung (Overfitting) und Unteranpassung (Underfitting)

Skalierung des Fein-Tuning-Aufwands

  • Fein-Tuning auf verteilten Systemen
  • Nutzung cloudbasierter Lösungen für Skalierbarkeit
  • Fallstudien: Großprojekte zum Fein-Tuning

Best Practices und Herausforderungen

  • Best Practices für erfolgreiches Fein-Tuning
  • Häufige Herausforderungen und Fehlersuche
  • Ethische Aspekte beim Fein-Tuning von KI-Modellen

Fortgeschrittene Themen (Optional)

  • Fein-Tuning multimodaler Modelle
  • Zero-Shot und Few-Shot Learning
  • Erkundung von LoRA-Techniken (Low-Rank Adaptation)

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundkenntnisse in maschinellem Lernen
  • Erfahrung in der Python-Programmierung
  • Vertrautheit mit vortrainierten Modellen und deren Anwendungen

Zielgruppe

  • Data Scientists
  • Machine-Learning-Ingenieure
  • KI-Forscher
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien