Large Language Models (LLMs) verstehen und nutzen: Grundlagen, Tools und praktische Anwendung. - Online Schulung

Tauchen Sie tief in die technische Welt der Künstlichen Intelligenz ein und entdecken Sie, wie große Sprachmodelle (Large Language Models, LLMs) wie GPT, Llama oder Mistral tatsächlich aufgebaut sind. In dieser dreitägigen WissensPiloten-Schulung vermitteln wir Ihnen, wie aktuelle LLMs architektonisch funktionieren, welche Rolle Trainingsdaten, Tokenisierung und die Transformer-Architektur spielen und wie Sie eigene Modelle trainieren oder bestehende Modelle gezielt anpassen.

Der Fokus liegt auf technischem Know-how und praktischer Anwendung: Sie lernen, wie Sie mit modernen Tools wie HuggingFace und PyTorch LLMs aufsetzen, trainieren, feinabstimmen und evaluieren. Interaktive Übungen und Live-Demonstrationen ermöglichen Ihnen, alle Schritte von der Datenaufbereitung über das Prompt-Engineering bis zur Integration eigener Datensätze selbst auszuprobieren.

Zusätzlich thematisieren wir essenzielle Aspekte wie Modellarchitektur, Qualitätsfaktoren, Lizenzmodelle, Datenschutz und Bias – damit Sie LLMs kompetent, sicher und verantwortungsvoll anwenden und weiterentwickeln können.

Unser Ziel:
Sie verlassen die Schulung mit fundiertem technischem Verständnis, praxisrelevanter Erfahrung im Training und in der Anpassung von LLMs sowie sicherem Umgang mit den wichtigsten Werkzeugen und Methoden im KI-Umfeld.



Grundlagen moderner Sprachmodelle

• Aufbau und Funktionsweise von LLMs: Vom Chatbot zu spezialisierten KI-Anwendungen
• Zentrale Begriffe: Tokenisierung, Transformer-Prinzip, Modellgröße, Trainingsdaten

Nutzungsszenarien & Praxisbeispiele:

• Text- und Codegenerierung
• Automatisierung technischer Aufgaben
• Branchenübergreifende Praxisbeispiele

Architektur und Qualitätsfaktoren

• Einflussgrößen auf Modellqualität, Effizienz und Kosten
• Erklärung der wichtigsten technischen Begriffe und Prinzipien: Tokenisierung, Transformer-Prinzip, Trainingsdaten & Modellgröße

Modelllandschaft & Auswahl

• Kommerzielle und Open-Source-Modelle (z. B. OpenAI, Meta, Mistral)
• Auswahlkriterien: Open Weights, Lizenzen, Kosten-Nutzen-Abwägung
• Interaktiver Modellvergleich: Präzision, Kosten, Bias

Effektives Prompt-Engineering

• Einfluss von Spracheingabe auf Antwortqualität
• Praktische Übungen: Von einfachen Prompts bis zu fortgeschrittenen Techniken
• Tipps für professionelle Prompt-Gestaltung

Integration & Infrastruktur:

• Technische Plattformen: On-Premises, Cloud, hybride Ansätze
• Anforderungen an Infrastruktur, Datensicherheit, Kostenoptimierung

Individuelle Modellanpassung: Von Prompt-Tuning bis Custom Knowledge

• Anpassungsmethoden: Zusatzwissen, Dokumenteneinbindung, spezielle Datenintegration (z. B. RAG)
• Datenvorbereitung und erste Schritte zur Feinabstimmung
• Praxisübung: Anpassung eines Modells an spezifische Aufgaben

Trainingspraxis & Evaluation:

• Training eines vortrainierten GPT-2-Modells mit HuggingFace & PyTorch
• Training an kompaktem Datensatz, Anpassung und Erweiterung
• Diskussion zu Hardwareanforderungen und Skalierungsoptionen

Risiken, Ethik & Rechtliches:

• Umgang mit Bias, Datenschutz und Lizenzmodellen
• Strategien zur rechtssicheren und verantwortungsvollen Nutzung

Unsere Webinare sind moderne, digitale Liveschulungen – die fast so ablaufen, als ob Sie vor Ort wären.