Schulungsübersicht

Einführung in Open-Source LLMs

  • Überblick über DeepSeek, Mistral, LLaMA und andere open-source Modelle
  • Funktionsweise von LLMs: Transformers, Selbst-Aufmerksamkeit und Training
  • Vergleich von open-source LLMs mit proprietären Modellen

Feinabstimmung und Anpassung von LLMs

  • Datenbereitung für die Feinabstimmung
  • Training und Optimierung von LLMs mit Hugging Face
  • Auswertung der Modellleistung und Bias-Mitigation

Erstellen von AI-Agenten mit LLMs

  • Einführung in LangChain für die Entwicklung von AI-Agenten
  • Gestaltung agentenbasierter Workflows mit LLMs
  • Speicher, retrieval-augmented Generation (RAG) und Aktionsexekution

Bereitstellung von LLM-basierten AI-Agenten

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

Sicherheit und Einhaltung von Vorschriften bei Unternehmens-IA

  • Ethische Aspekte und Rechtseinhaltung
  • Begrenzung von Risiken in durch IA-getriebener Automatisierung
  • Überwachung und Prüfung des Verhaltens von AI-Agenten

Fallstudien und Anwendungen im realen Leben

  • Virtuelle Assistenten mit LLMs
  • Dokumentautomatisierung durch KI
  • Individuelle AI-Agenten für Unternehmensanalytik

Optimieren und Warten von LLM-basierten Agenten

  • Ständige Modellverbesserung und -aktualisierung
  • Einrichten von Überwachungs- und Feedback-Schleifen
  • Strategien zur Kosteneinsparung und Leistungsabstimmung

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Tiefe Verständnis von KI und maschinellem Lernen
  • Erfahrung mit Python-Programmierung
  • Kenntnisse in großen Sprachmodellen (LLMs) und natursprachlicher Verarbeitung (NLP)

Zielgruppe

  • KI-Ingenieure
  • Unternehmenssoftwareentwickler
  • Geschäftsleiter
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien