Kontakt aufnehmen

Schulungsübersicht

Einführung ins Fine-Tuning

  • Was ist Fine-Tuning?
  • Anwendungsfälle und Vorteile des Fine-Tunings
  • Überblick über vortrainierte Modelle und Transfer Learning

Vorbereitung auf das Fine-Tuning

  • Sammlung und Bereinigung von Datensätzen
  • Verständnis der aufgabenspezifischen Datenerfordernisse
  • Explorative Datenanalyse und Vorverarbeitung

Fine-Tuning-Techniken

  • Transfer Learning und Feature Extraktion
  • Fine-Tuning von Transformern mit Hugging Face
  • Fine-Tuning für überwachtes versus unüberwachtes Lernen

Fine-Tuning Grosser Sprachmodelle (LLMs)

  • Anpassung von LLMs an NLP-Aufgaben (z. B. Textklassifizierung, Zusammenfassung)
  • Schulung von LLMs mit benutzerdefinierten Datensätzen
  • Steuerung des LLM-Verhaltens durch Prompt Engineering

Optimierung und Bewertung

  • Hyperparameter-Tuning
  • Bewertung der Modellleistung
  • Umgang mit Overfitting und Underfitting

Skalierung der Fine-Tuning-Anstrengungen

  • Fine-Tuning auf verteilten Systemen
  • Nutzung cloudbasierter Lösungen zur Skalierbarkeit
  • Fallstudien: Grossskalige Fine-Tuning-Projekte

Best Practices und Herausforderungen

  • Best Practices für den Erfolg beim Fine-Tuning
  • Häufige Herausforderungen und Troubleshooting
  • Ethische Aspekte beim Fine-Tuning von KI-Modellen

Fortgeschrittene Themen (Optional)

  • Fine-Tuning multimodaler Modelle
  • Zero-Shot- und Few-Shot-Learning
  • Erforschung der LoRA-Techniken (Low-Rank Adaptation)

Zusammenfassung und Nächste Schritte

Voraussetzungen

  • Grundkenntnisse in Machine Learning
  • Erfahrung in der Python-Programmierung
  • Vertrautheit mit vortrainierten Modellen und deren Anwendungen

Zielgruppe

  • Data Scientists
  • Machine-Learning-Ingenieure
  • KI-Forscher
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien