Detaillierte Informationen zum Seminar
Inhalte:
Large Language Models technisch verstehen und praktisch einsetzen
In dieser Schulung tauchen Sie tief in die technische Welt der Large Language Models (LLMs) ein – von der Architektur über das Training bis zur gezielten Anpassung. Sie lernen, wie Modelle wie GPT, Llama oder Mistral aufgebaut sind, welche Rolle Tokenisierung, Transformer-Architektur und Trainingsdaten spielen und wie Sie mit Tools wie HuggingFace und PyTorch eigene Modelle trainieren, feinabstimmen und evaluieren. Praxisnahe Übungen begleiten alle Schritte – von der Datenaufbereitung über Prompt-Engineering bis zur Integration eigener Datensätze. Ergänzend behandelt die Schulung Themen wie Lizenzmodelle, Datenschutz und Bias für einen verantwortungsvollen Umgang mit LLMs.
Schulungsinhalte
- 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
Dauer/zeitlicher Ablauf:
3 Tage
Teilnahmevoraussetzungen:
Solide IT-Kenntnisse und ein grundlegendes Verständnis für Künstliche Intelligenz werden vorausgesetzt. Erste Erfahrungen mit Python oder ähnlichen Tools sind von Vorteil, aber nicht zwingend erforderlich.
Lehrgangsverlauf/Methoden:
Unsere Webinare sind moderne, digitale Liveschulungen – die fast so ablaufen, als ob Sie vor Ort wären.
Material:
Im Preis enthalten sind Ihr WissensPiloten-Zertifikat zum Download und die Nutzung eines Professionelles Webinar / Online Meeting System
Förderung:
Bildungsscheck, andere Fördermöglichkeiten auf Anfrage
Zielgruppe:
Diese Schulung richtet sich an technisch interessierte Fachkräfte, Entwickler, IT-Verantwortliche sowie fortgeschrittene Anwender und Entscheider, die die Architektur, das Training und die Anpassung moderner LLMs im Detail verstehen und praktisch umsetzen möchten.
Seminarkennung:
webinar-290107
