Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Einführung in die erweiterte Modellanpassung

  • Überblick über Fine-Tuning und Prompt-Management in Vertex AI
  • Anwendungsfälle für die Modelloptimierung
  • Praktische Übung: Einrichtung des Vertex-AI-Arbeitsbereichs

Überwachtes Fine-Tuning von Gemini-Modellen

  • Vorbereitung der Schulungsdaten für das Fine-Tuning
  • Ausführen von Pipelines für überwachtes Fine-Tuning
  • Praktische Übung: Feinjustierung eines Gemini-Modells

Prompt-Engineering und Versionsmanagement

  • Gestaltung wirksamer Prompts für generative KI
  • Versionskontrolle und Reproduzierbarkeit
  • Praktische Übung: Erstellung und Testen von Prompt-Versionen

Evaluierung und Benchmarking

  • Überblick über Evaluationsbibliotheken in Vertex AI
  • Automatisierung von Test- und Validierungsworkflows
  • Praktische Übung: Evaluierung von Prompts und Ausgaben

Modellbereitstellung und Überwachung

  • Integration optimierter Modelle in Anwendungen
  • Überwachung der Leistung und Drift-Erkennung
  • Praktische Übung: Bereitstellung eines feinjustierten Modells

Best Practices für die KI-Optimierung im Unternehmen

  • Skalierbarkeit und Kostenmanagement
  • Ethische Überlegungen und Bias-Minderung
  • Fallstudie: Verbesserung von KI-Anwendungen im Produktivbetrieb

Zukünftige Entwicklungen im Fine-Tuning und Prompt-Management

  • Neue Trends in der LLM-Optimierung
  • Automatisierte Prompt-Adaption und Reinforcement Learning
  • Strategische Auswirkungen auf die unternehmensweite Einführung

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Erfahrung mit Machine-Learning-Workflows
  • Kenntnisse der Python-Programmierung
  • Vertrautheit mit cloudbasierten KI-Plattformen

Zielgruppe

  • KI-Ingenieure
  • MLOps-Fachkräfte
  • Datenscientisten

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien