Kontakt aufnehmen

Schulungsübersicht

Einführung in das fortschrittliche Modell-Customizing

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

Supervised Fine-Tuning von Gemini-Modellen

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

Prompt Engineering und Versionsverwaltung

  • Entwurf wirksamer Prompts für Generative AI
  • Versionierung und Reproduzierbarkeit
  • Praktisches Labor: Erstellen und Testen von Prompt-Versionen

Evaluation und Benchmarking

  • Überblick über die Evaluation-Bibliotheken in Vertex AI
  • Automatisierung von Test- und Validierungsworkflows
  • Praktisches Labor: Evaluieren von Prompts und Ausgaben

Bereitstellung und Überwachung der Modelle

  • Integration optimierter Modelle in Anwendungen
  • Leistungsüberwachung und Erkennung von Model Drift
  • Praktisches Labor: Bereitstellung eines feinjustierten Modells

Best Practices für die KI-Optimierung im Unternehmen

  • Skalierbarkeit und Kostenmanagement
  • Ethische Aspekte und Bias-Minderung
  • Case Study: Verbesserung von KI-Anwendungen in der Produktion

Zukünftige Entwicklungen im Fine-Tuning und Prompt-Management

  • Auftrenden bei der Optimierung grosser Sprachmodelle (LLM)
  • Automatisierte Prompt-Anpassung und Reinforcement Learning
  • Strategische Implikationen für die Unternehmensadaption

Zusammenfassung und weitere Schritte

Voraussetzungen

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

Zielgruppe

  • KI-Ingenieurinnen und -Ingenieure
  • MLOps-Spezialistinnen und -Spezialisten
  • Data Scientists
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien