Schulungsübersicht
Einführung in die generative KI
- Was ist generative KI und warum ist sie bedeutend?
- Haupttypen sowie Techniken der generativen KI
- Wichtige Herausforderungen und Grenzen der generativen KI
Transformatoren-Architektur und große Sprachmodelle
- Was ist ein Transformer – und wie funktioniert er?
- Hauptkomponenten sowie Merkmale von Transformern
- Einsatz von Transformern zur Entwicklung großer Sprachmodelle
Skalierungsgesetze und Optimierung
- Was versteht man unter Skalierungsgesetzen – und warum sind sie für LLMs wichtig?
- Wie hängen Skalierungsgesetze mit Modellgröße, Datenvolumen, Rechenkapazität sowie Anforderungen an die Inferenz zusammen?
- Wie helfen Skalierungsgesetze dabei, Leistung und Effizienz von LLMs zu optimieren?
Trainierung und Feinabstimmung großer Sprachmodelle
- Hauptschritte sowie Schwierigkeiten bei der vollständigen Trainierung von LLMs
- Vor- und Nachteile der Feinabstimmung von LLMs für spezifische Aufgaben
- Beste Praktiken sowie gebräuchliche Werkzeuge zur Trainierung und Feinabstimmung von LLMs
Bereitstellung und Nutzung großer Sprachmodelle
- Wesentliche Aspekte sowie Herausforderungen bei der Produktionsbereitstellung von LLMs
- Häufige Anwendungsfälle und Einsatzmöglichkeiten großer Sprachmodelle in verschiedenen Branchen
- Integration von LLMs mit anderen KI-Systemen und Plattformen
Ethik sowie Zukunft der generativen KI
- Ethische sowie gesellschaftliche Auswirkungen der generativen KI und großer Sprachmodelle
- Potenzielle Risiken und Nachteile – beispielsweise Bias, Fehlinformationen oder Manipulation durch generative KI.
- Verantwortungsvoller sowie vorteilhafter Umgang mit generativer KI und großen Sprachmodellen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundkenntnisse in Konzepten des maschinellen Lernens – beispielsweise über überwachtes und unüberwachtes Lernen, Verlustfunktionen sowie die Aufteilung von Daten.
- Erfahrungen im Programmieren mit Python sowie in der Datenverarbeitung.
- Grundkenntnisse über neuronale Netze und Verarbeitung natürlicher Sprache.
Zielgruppe
- Entwickler
- Interessierte an maschinellem Lernen
Erfahrungsberichte (7)
Beispiele und Links zur Excel-Repository
Olga - GE HealthCare
Kurs - Generative AI with Large Language Models (LLMs)
Maschinelle Übersetzung
viele Beispiele und verschiedene Tools zur Überprüfung
Bartosz - GE HealthCare
Kurs - Generative AI with Large Language Models (LLMs)
Maschinelle Übersetzung
angepasste GPTs, Prompt-Engineering
Marcin Stezowski - GE HealthCare
Kurs - Generative AI with Large Language Models (LLMs)
Maschinelle Übersetzung
Weite Perspektive
Artur - GE HealthCare
Kurs - Generative AI with Large Language Models (LLMs)
Maschinelle Übersetzung
Technische Beispiele im Zusammenhang mit der Theorie.
Marcin - GE HealthCare
Kurs - Generative AI with Large Language Models (LLMs)
Maschinelle Übersetzung
Mikołajs Hintergrund außerhalb der IT ermöglicht es, dieses Thema aus einer anderen Perspektive zu präsentieren – eine Perspektive, die für IT-Experten dringend gebraucht wird!
Grzegorz - GE HealthCare
Kurs - Generative AI with Large Language Models (LLMs)
Maschinelle Übersetzung
Erklärung aus einer Perspektive außerhalb der IT. Mehr Wert hinzufügen.
Marcin - GE HealthCare
Kurs - Generative AI with Large Language Models (LLMs)
Maschinelle Übersetzung
