Schulungsübersicht

Einführung in Open-Source-LLMs

  • Überblick über DeepSeek, Mistral, LLaMA und andere Open-Source-Modelle
  • Wie LLMs funktionieren: Transformatoren, Selbstbeobachtung und Training
  • Vergleich von Open-Source-LLMs mit proprietären Modellen

Fine-Tuning und Anpassung von LLMs

  • Datenvorbereitung für die Feinabstimmung
  • Trainieren und Optimieren von LLMs mit Hugging Face
  • Bewertung der Modellleistung und Abschwächung von Verzerrungen

Aufbau von AI Agents mit LLMs

  • Einführung in LangChain für die Entwicklung von KI-Agenten
  • Entwerfen von agentenbasierten Arbeitsabläufen mit LLMs
  • Speicher, abruferweiterte Generierung (RAG) und Aktionsausführung

Einsatz von LLM-basierten AI Agents

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

Sicherheit und Einhaltung von Vorschriften in der Unternehmens-KI

  • Ethische Überlegungen und Einhaltung von Vorschriften
  • Risikominimierung bei KI-gesteuerter Automatisierung
  • Überwachung und Prüfung des Verhaltens von KI-Agenten

Fallstudien und Anwendungen aus der realen Welt

  • LLM-gestützte virtuelle Assistenten
  • KI-gesteuerte Automatisierung von Dokumenten
  • Benutzerdefinierte KI-Agenten für die Unternehmensanalytik

Optimierung und Wartung von LLM-basierten Agenten

  • Kontinuierliche Modellverbesserung und -aktualisierung
  • Einsatz von Überwachungs- und Feedbackschleifen
  • Strategien zur Kostenoptimierung und Leistungsoptimierung

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Ausgeprägtes Verständnis von KI und maschinellem Lernen
  • Erfahrung mit Python-Programmierung
  • Vertrautheit mit großen Sprachmodellen (LLMs) und natürlicher Sprachverarbeitung (NLP)

Zielgruppe

  • KI-Ingenieure
  • Entwickler von Unternehmenssoftware
  • Business Führungskräfte
 21 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien