Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Einführung in das advancede Modell-Feintuning

  • Überblick zum Fine-Tuning und Prompt-Management in Vertex AI
  • Anwendungsfälle für die Modelloptimierung
  • Praktisches Labor: Einrichten des Vertex-AI-Workspaces

Supervised Fine-Tuning von Gemini-Modellen

  • Vorbereitung der Trainingsdaten für das Fine-Tuning
  • Ausführen von Pipelines für supervised Fine-Tuning
  • Praktisches Labor: Fine-Tuning eines Gemini-Modells

Prompt Engineering und Versionsmanagement

  • Gestaltung wirksamer Prompts für generative KI
  • Versionierung und Reproduzierbarkeit
  • Praktisches Labor: Erstellen und Testen von Prompt-Versionen

Evaluation und Benchmarking

  • Überblick zu Evaluationsbibliotheken 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 Erkennung von Drift
  • Praktisches Labor: Bereitstellung eines feinjustierten Modells

Best Practices für die KI-Optimierung im Unternehmen

  • Skalierbarkeit und Kostenmanagement
  • Ethische Überlegungen und Verringerung von Bias
  • Fallstudie: Verbesserung von KI-Anwendungen in der Produktion

Zukunftstrends im Fine-Tuning und Prompt-Management

  • Aufkommende Trends in der LLM-Optimierung
  • Automatisierte Prompt-Anpassung und Reinforcement Learning
  • Strategische Implikationen für die Einführung im Unternehmen

Zusammenfassung und nächste Schritte

Voraussetzungen

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

Zielgruppe

  • KI-Ingenieure
  • MLOps-Praktiker
  • Data Scientists

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien