Seminare
Seminare

NVIDIA - Schnelle Anwendungsentwicklung mit großen Sprachmodellen

Webinar - PROKODA GmbH

NVIDIA - Schnelle Anwendungsentwicklung mit großen Sprachmodellen
Termin Ort Preis*
01.03.2027 online 1.184,05 €
01.03.2027 München 1.184,05 €
*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Einstieg und Arbeitsumgebung

  • Begrüßung, Zielsetzung und organisatorischer Ablauf
  • Vorstellung der eingesetzten Entwicklungsumgebung
  • Einrichtung eines Kontos für die praktischen Übungen
  • Überblick über typische LLM-Anwendungsfälle wie Chatbots, Assistenzfunktionen, Textanalyse und Frage-Antwort-Systeme

Vom Deep Learning zu großen Sprachmodellen

  • Grundlagen von Deep Learning als Basis moderner Sprachmodellierung
  • Klassenbasiertes Denken und Übergang zur Verarbeitung natürlicher Sprache
  • Aufbau und Funktionsweise großer Sprachmodelle
  • Transformer-Architekturen mit zentralen Konzepten, Schnittstellen und zugrunde liegender Intuition
  • Skalierung und Anpassung von Modellen für LLM-Lösungen
  • Einordnung von Modellgröße, Trainingsaufwand und praktischer Nutzbarkeit

Spezialisierte Encoder-Modelle

  • Überblick über Encoder-Modelle aus dem HuggingFace-Ökosystem
  • Auswahl geeigneter vortrainierter und feinabgestimmter Modelle
  • Token-Klassifizierung für die Analyse einzelner Textelemente
  • Sequenz-Klassifizierung für die Bewertung vollständiger Texte
  • Spannen- und Bereichsvorhersage für Frage-Antwort-Anwendungen
  • Zero-Shot-Klassifizierung für Aufgaben ohne klassisches Training auf eigenen Labels
  • Semantische Analyse und Text-Einbettungen als Grundlage weiterführender Anwendungen

Encoder-Decoder-Modelle für Sequence-to-Sequence-Aufgaben

  • Generierung unbegrenzter Sequenzen mit LLMs
  • Decoder-Komponenten für autoregressive Texterzeugung
  • Cross-Attention als Verbindung zwischen Eingabe und Ausgabe
  • Sequence-as-Context-Prinzip für die Verarbeitung komplexer Aufgabenstellungen
  • Multitasking-Ansätze in Seq2Seq-Modellen
  • Zero-Shot-Reasoning für flexible Aufgabenbearbeitung
  • Grundlagen multimodaler Sequenzmodelle anhand ausgewählter Beispiele

Decoder-Modelle für Textgenerierung

  • GPT-ähnliche Architekturen und ihre Einsatzbereiche
  • Abgrenzung reiner Decoder-Modelle gegenüber Encoder- und Encoder-Decoder-Ansätzen
  • Typische Herausforderungen beim Training und Einsatz generativer Modelle
  • Einfluss von Modellgröße auf Qualität, Kosten und Laufzeit
  • Anwendungstechniken für Code-Erstellung, Freitextantworten und Dialogsysteme
  • Analyse ausgewählter großer Textgenerierungsmodelle und ihrer Funktionsweise

Zustandsbasierte LLMs und Retrieval-Augmented Generation

  • Erweiterung von Sprachmodellen durch Kontext, Verlauf und externe Wissensquellen
  • Kompositionstechniken für History- und Zustandsmanagement
  • Retrieval-Augmented Generation zur Einbindung externer Datenquellen
  • Kontextsensitives Systemdesign statt isolierter Textgenerierung
  • Grundlagen für kontrollierbare, nachvollziehbare und effizientere LLM-Anwendungen
  • Bezug zu Datenqualität und Datenstrukturen, vertiefbar im Training Data-Centric AI und Data Contracts

Wiederholung, Bewertung und Abschluss

  • Zusammenfassung der zentralen Lerninhalte
  • Wiederholung wichtiger Modelltypen und Entscheidungskriterien
  • Codebasierte Abschlussprüfung zur Erlangung eines Zertifikats
  • Q&A zu eigenen Projekten, typischen Use Cases und nächsten Umsetzungsschritten
Teilnahmevoraussetzungen:
  • Grundlegende Programmierkenntnisse, idealerweise in Python
  • Basiswissen zu Machine Learning, neuronalen Netzen oder Deep Learning
  • Grundverständnis für Datenverarbeitung, APIs und typische Entwicklungsworkflows
  • Empfohlen bei wenig Vorerfahrung: Deep Learning mit PyTorch oder Data Mining Einführungskurs
Zielgruppe:
  • Softwareentwicklerinnen und Softwareentwickler, die LLM-Funktionen in Anwendungen, Chatbots, Assistenzsysteme oder interne Tools integrieren möchten
  • Data Scientists, Machine-Learning-Engineers und KI-Teams, die Encoder-, Decoder- und Seq2Seq-Modelle gezielt für NLP-Aufgaben einsetzen
  • Technische Projektleitungen und Solution Architects, die LLM-Prototypen bewerten, planen und in bestehende Systemlandschaften einordnen
  • Fachlich-technische Teams mit Data-Science-Bezug, die nach Grundlagen aus dem Data-Science-Umfeld den Einstieg in große Sprachmodelle vertiefen
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