Seminare
Seminare

LLM Engineering - Build Your Own AI mit Python

Seminar - GFU Cyrus AG

Nach dem Seminar können Sie die Funktionsweise moderner Sprachmodelle einordnen, ein geeignetes Open-Source-Modell auswählen und es mit Hugging Face in Python einsetzen. Sie können eine durchsuchbare Wissensbasis aufbauen und eine RAG-Antwortpipeline implementieren, die Antworten mit Quellenbezug erzeugt. Sie können Ihren Assistenten um eine definierte Werkzeugfunktion mit Freigabeschritt erweitern und diese anhand realistischer Testfälle prüfen. Für den Unternehmenseinsatz können Sie Antwortqualität, Datenschutz, Sicherheit, Latenz und Kosten bewerten.
Termin Ort Preis*
firmenintern auf Anfrage auf Anfrage
*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:
  • Tag 1 - LLMs verstehen und mit Python produktiv einsetzen
    • Transformer- und LLM-Grundlagen kompakt und anwendungsorientiert
    • Hugging Face, Tokenizer, Inferenz und Modellwahl
    • Prompting, strukturierte Ausgaben, Modellgrenzen und Evaluierung
    • Praxis-Lab - Sie laden ein Open-Source-Sprachmodell und entwickeln eine kleine Python-Anwendung für strukturierte Antworten.

  • Tag 2 - Unternehmenswissen einbinden und RAG selbst entwickeln
    • Dokumentenimport, Chunking, Embeddings und semantische Suche
    • RAG-Architektur mit Retrieval, Kontextaufbau und belegbaren Antworten
    • Qualitätsmessung anhand von Trefferqualität, Halluzinationen und Quellenbezug
    • Praxis-Lab - Sie bauen einen Dokumentenassistenten, der Fragen auf Grundlage einer eigenen durchsuchbaren Wissensbasis beantwortet.

  • Tag 3 - Vom RAG-Chatbot zum handlungsfähigen KI-Assistenten
    • Tool Calling, Workflow-Steuerung und Grundlagen agentischer Systeme
    • Zugriffsrechte, Prompt Injection, Datenschutz und Human-in-the-Loop
    • Betriebsoptionen, Monitoring, Kosten und Pilotprojektplanung
    • Praxis-Lab - Sie ergänzen den Assistenten um eine definierte Werkzeugfunktion mit Freigabeschritt und prüfen sie anhand realistischer Testfälle.

  • Technologien, Werkzeuge und Arbeitsweise
    • Python, PyTorch, Hugging Face Transformers, Embedding-Modelle, Vektorsuche, ausgewählte RAG-Komponenten und Spyder
    • Kompakte Impulse, Live-Demos, angeleitete Python-Labs und Transfer auf reale Unternehmensprozesse

Zielgruppe:
Das Intensivseminar richtet sich an Sie, wenn Sie in der Softwareentwicklung, als KI- oder IT-Fachkraft oder als technisch orientierter Data Scientist arbeiten. Es eignet sich auch für Sie, wenn Sie für die technische Realisierung von KI-Anwendungen verantwortlich sind.

Teilnahmevoraussetzungen


Sie benötigen sichere Python-Grundkenntnisse. Vorkenntnisse zu NLP, Transformern oder RAG sind nicht erforderlich. Das Seminar ist eigenständig buchbar. Eine vorherige Teilnahme am Text-Analytics-Seminar ist nicht erforderlich.

Sie führen sämtliche Praxis-Labs auf Ihrem eigenen Laptop mit Python und Spyder durch. Sie benötigen Windows 11 (64 Bit), mindestens 16 GB RAM und 15 GB freien Speicherplatz. Eine NVIDIA-GPU ist empfehlenswert und optional. Sie erhalten vor dem Seminar eine Anleitung zur Installation der Entwicklungsumgebung und der benötigten Pakete.
Seminarkennung:
S7406
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha