Kleine Sprachmodelle (SLMs): Anwendungen und Innovationen Schulung

Dieser live dozierte Schulungskurs in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Bildungstechnologen, Instruktionsdesigner und KI-Entwickler im Bildungswesen, die kleine Sprachmodelle (SLMs) in Bildungsplattformen integrieren möchten, um Lehr- und Lernprozesse zu optimieren.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Rolle von SLMs in der Bildungstechnologie zu verstehen.
• KI-gestützte Lernerlebnisse mit SLMs zu gestalten.
• SLMs in verschiedenen Bildungskontexten zu implementieren.
• Die Wirksamkeit von SLMs auf die Lernergebnisse zu bewerten.

Diese live geleitete Schulung in Schweiz (online oder vor Ort) richtet sich an städtische Planer, Stadtverwaltungen und Entwickler von Smart-City-Lösungen mit mittleren Vorkenntnissen, die SLMs in ihren Smart-City-Projekten implementieren möchten, um die Lebensqualität in Städten zu verbessern.

Am Ende dieser Schulung werden die Teilnehmenden in der Lage sein:

• Die Anwendungsmöglichkeiten von SLMs im Kontext von Smart Cities zu verstehen.
• SLMs mit städtischen Datensätzen zu integrieren, um fundiertere Entscheidungen treffen zu können.
• Strategien für den Einsatz von SLMs in urbanen Managementsystemen zu entwickeln.
• Die Auswirkungen von SLMs auf die Stadtplanung und Smart-City-Lösungen zu bewerten.

Dieser von einer Dozentin oder einem Dozenten geleitete Live-Kurs in Schweiz (online oder vor Ort) richtet sich an Data Scientists und Machine-Learning-Ingenieure auf mittlerem Fachniveau, die kleine Sprachmodelle erstellen und für spezifische Domänen wie Rechtswesen, Medizin und Technik anpassen möchten.

Nach Abschluss dieser Schulung können Teilnehmende:

• Die Bedeutung und Anwendung domänenspezifischer Sprachmodelle verstehen.
• Spezialisierte Datensätze für das Model-Training kuratieren und vorverarbeiten.
• Sprachmodelle für domänenspezifische Anwendungen trainieren und feinabstimmen (fine-tunen).
• Modelle mit domänenrelevanten Metriken evaluieren und benchmarken.
• Dominänspezifische Sprachmodelle in realen Szenarien bereitstellen.

Diese live geleitete Schulung in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Machine-Learning-Ingenieure und KI-Forschende, die energieeffiziente KI-Lösungen mit kleinen Sprachmodellen entwickeln möchten, die sowohl leistungsstark als auch umweltfreundlich sind.

Am Ende dieser Schulung werden die Teilnehmenden in der Lage sein:

• Die Auswirkungen von KI auf den Energieverbrauch und die Umwelt zu verstehen.
• Techniken zur Modellkomprimierung und Optimierung anzuwenden, um die Grösse und den Energieverbrauch von KI-Modellen zu reduzieren.
• energiesparende Hardware- und Software-Frameworks für den KI-Einsatz zu nutzen.
• Best Practices für nachhaltige KI-Entwicklung umzusetzen.
• Nachhaltige Praktiken in der KI-Branche voranzutreiben und dazu beizutragen.

Diese von Dozent:innen geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Data Scientists und KI-Forschende der Mittelstufe, die ansprechende und effiziente KI-gestützte Konversationen mit kleinen Sprachmodellen schaffen möchten.

Nach Abschluss dieser Schulung können Teilnehmende:

• die Grundlagen von Konversations-KI sowie die Rolle von SLMs verstehen.
• nutzerzentrierte KI-Interaktionen entwerfen und implementieren.
• SLMs für interaktive Anwendungen entwickeln und trainieren.
• die Wirksamkeit der Mensch-KI-Kommunikation mit geeigneten Metriken bewerten und verbessern.
• skalierbare und ethisch vertretene KI-gestützte Konversationsschnittstellen in realen Szenarien bereitstellen.

Diese live-Schulung mit Dozent:in in Schweiz (online oder vor Ort) richtet sich an IT-Fachleute mit mittlerem Kenntnisstand, die kleine Sprachmodelle direkt auf Geräten mit begrenzter Rechenleistung einsetzen möchten, um innovative Anwendungsmöglichkeiten in verschiedenen Branchen zu eröffnen.

Am Ende dieser Schulung werden die Teilnehmenden:

• Die Herausforderungen und Lösungen für den Einsatz von KI auf kompakten Hardware-Geräten verstehen.
• KI-Modelle optimieren und komprimieren für eine effiziente On-Device-Bereitstellung.
• Moderne KI-Frameworks und -Tools für die Implementierung von Modellen auf dem Gerät nutzen.
• Echtzeit-KI-Anwendungen für mobile Geräte und IoT-Geräte entwerfen und entwickeln.
• Die Sicherheit und Privatsphäre von On-Device-KI-Systemen bewerten und gewährleisten.