Kleine Sprachmodelle (SLMs) für domänenspezifische Anwendungen Schulung

Diese dozentengestützte, live durchgeführte Schulung in Schweiz (online oder vor Ort) richtet sich an Einsteiger und Fortgeschrittene unter Data Scientists und Entwicklern, die Small Language Models in verschiedenen Anwendungen implementieren und nutzen möchten.

N Abschluss dieser Schulung werden die Teilnehmenden in der Lage sein:

• Die Architektur und Funktionsweise von Small Language Models zu verstehen.
• SLMs für Aufgaben wie Textgenerierung und Sentimentanalyse zu implementieren.
• SLMs für spezifische Use Cases zu optimieren und feinabzustimmen (Fine-Tuning).
• SLMs in ressourcenbeschränkten Umgebungen bereitzustellen.
• Die Leistung von SLMs in realen Szenarien zu evaluieren und zu interpretieren.

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.

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.