Kontakt aufnehmen

Schulungsübersicht

Einführung in Open-Source-LLMs

  • Überblick über DeepSeek, Mistral, LLaMA und andere Open-Source-Modelle
  • Funktionsweise von LLMs: Transformer, Selbst-Aufmerksamkeit (Self-Attention) und Training
  • Vergleich zwischen Open-Source-LLMs und proprietären Modellen

Fine-Tuning und Anpassung von LLMs

  • Datenvorbereitung für das Fine-Tuning
  • Training und Optimierung von LLMs mit Hugging Face
  • Bewertung der Modellleistung und Vermeidung von Bias

Entwicklung von KI-Agenten mit LLMs

  • Einführung in LangChain für die Entwicklung von KI-Agenten
  • Entwurf agentenbasierter Arbeitsabläufe mit LLMs
  • Speicher, retrieval-augmented generation (RAG) und Ausführung von Aktionen

Bereitstellung von LLM-basierten KI-Agenten

  • Containerisierung von KI-Agenten mit Docker
  • Integration von LLMs in Unternehmensanwendungen
  • Skalierung von KI-Agenten mit Cloud-Diensten und APIs

Sicherheit und Compliance im Bereich der Unternehmens-KI

  • Ethische Aspekte und regulatorische Anforderungen
  • Risikominderung bei KI-gestützter Automatisierung
  • Überwachung und Überprüfung des Verhaltens von KI-Agenten

Fallstudien und reale Anwendungen

  • LLM-gestützte virtuelle Assistenten
  • KI-gestützte Dokumentenautomatisierung
  • Maßgeschneiderte KI-Agenten für Unternehmensanalysen

Optimierung und Wartung von LLM-basierten Agenten

  • Kontinuierliche Verbesserung und Aktualisierung der Modelle
  • Implementierung von Überwachungs- und Feedback-Schleifen
  • Strategien zur Kostenoptimierung und Leistungsanpassung

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Fundiertes Verständnis von KI und maschinellem Lernen
  • Erfahrung in der Python-Programmierung
  • Vertrautheit mit Large Language Models (LLMs) und Natural Language Processing (NLP)

Zielgruppe

  • KI-Ingenieure
  • Unternehmenssoftwareentwickler
  • Geschäftsleiter
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien