Seminare
Seminare

Large Language Models Aufbaukurs: RAG, Anpassung und Training

Webinar - PROKODA GmbH

Large Language Models Aufbaukurs: RAG, Anpassung und Training
Termin Ort Preis*
14.12.2026- 15.12.2026 München 1.541,05 €
14.12.2026- 15.12.2026 online 1.541,05 €
15.03.2027- 16.03.2027 online 1.541,05 €
15.03.2027- 16.03.2027 München 1.541,05 €

Alle Termine anzeigen

*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

LLM-Architektur und Inference

  • Transformer-Mechanik, Tokenisierung und Kontextfenster
  • Inference mit Latenz, Throughput, KV-Cache und Batching
  • Prompting als Systemdesign mit Rollen, Tools und Policies
  • Kontextmanagement und Steuerung von Modellantworten

Retrieval Augmented Generation in der Praxis

  • RAG-Architekturen für belastbare Wissensabfragen
  • Chunking-Strategien, Embeddings und Vektordatenbanken
  • Funktionsweise von Pinecone, Milvus und Weaviate
  • Semantic Search, Hybrid Search und Retriever-Tuning
  • Reranking, Kontextbudget und Relevanzbewertung
  • Quellenangaben und Maßnahmen zur Halluzinationsreduktion

Fine-Tuning und Modellanpassung

  • Full Fine-Tuning im Vergleich zu Parameter-Efficient Fine-Tuning
  • PEFT-Ansätze für ressourcenschonende Modellanpassung
  • LoRA als Low-Rank Adaptation für LLMs
  • QLoRA für quantisierte Fine-Tuning-Szenarien
  • Abwägung von Datenlage, Kosten, Latenz und Zielverhalten

Model Alignment

  • Grundlagen des Model Alignment für gewünschtes Modellverhalten
  • Einordnung von RLHF als Reinforcement Learning from Human Feedback
  • Einordnung von DPO als Direct Preference Optimization
  • Praxisnahe Bewertung von Präferenzen, Regeln und Antwortqualität

Evaluation und Qualitätsmessung

  • Metriken jenseits klassischer Benchmarks
  • RAGAS-Framework zur Messung der RAG-Qualität
  • Bewertung von Retrieval, Antwortrelevanz und Faithfulness
  • Qualitätssicherung für produktionsnahe LLM-Anwendungen
Teilnahmevoraussetzungen:
  • Grundkenntnisse zu Large Language Models, Prompting und typischen KI-Anwendungsfällen
  • Grundverständnis von Machine Learning, Datenverarbeitung und APIs
  • Python-Erfahrung ist hilfreich, besonders für Übungen zu Embeddings, Retrieval und Evaluation
  • Bei fehlender ML-Praxis eignet sich der Python Machine Learning Grundkurs als Vorbereitung
Zielgruppe:
  • Entwicklerinnen und Entwickler, die LLM-Anwendungen mit RAG, Tools und APIs produktionsnäher umsetzen
  • Datenwissenschaftlerinnen und Datenwissenschaftler, die Retrieval, Embeddings, Fine-Tuning und Evaluation vertiefen
  • Machine-Learning-Engineerinnen und Machine-Learning-Engineers mit Aufgaben in Modellanpassung, Inference und Qualitätssicherung
  • KI-Verantwortliche in technischen Teams, die belastbare LLM-Architekturen bewerten und weiterentwickeln
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