Kontakt aufnehmen

Schulungsübersicht

Einführung in kleine Sprachmodelle (SLMs)

  • Überblick über Sprachmodelle
  • Entwicklung von großen hin zu kleinen Sprachmodellen
  • Architektur und Konzeption von SLMs
  • Vorteile und Grenzen kleinerer Sprachmodelle

Technische Grundlagen

  • Verständnis von neuronalen Netzwerken und Parametern
  • Trainingsverfahren für SLMs
  • Datenanforderungen und Optimierung von Modellen
  • Evaluierungskriterien für Sprachmodelle

SLMs in der natürlichen Sprachverarbeitung

  • Texterstellung mittels SLMs
  • Sprachübersetzung und Lokalisierung
  • Stimmungsanalyse sowie Textklassifizierung
  • Frage-Antwort-Systeme und Chatbots

Anwendungen von SLMs in der Praxis

  • Mobilanwendungen: Sprachverarbeitung direkt auf dem Gerät
  • Eingebettete Systeme: Einsatz von SLMs in IoT-Geräten
  • Datenschutzgerechte KI: Lokale Verarbeitung sensibler Daten
  • Edge Computing: Nutzung von SLMs in Umgebungen mit geringer Latenz

Fallstudien

  • Analyse erfolgreicher Implementierungen kleiner Sprachmodelle
  • Branchenspezifische Anwendungsbereiche (Gesundheitswesen, Finanzwesen usw.)
  • Vergleich: SLMs im Vergleich zu großen Modellen in der Praxis

Zukunftsperspektiven

  • Aktuelle Forschungstrends bei SLMs
  • Herausforderungen bei Skalierung und Einsatz
  • Ethische Aspekte sowie verantwortungsvolle KI-Entwicklung
  • Weiterentwicklung: Nächste Generation kleiner Sprachmodelle

Praktische Workshops

  • Erstellung eines einfachen SLMs zur Texterstellung
  • Integration von SLMs in mobile Anwendungen
  • Feinabstimmung von SLMs für spezifische Aufgaben
  • Analyse der Leistungsfähigkeit sowie Interpretation des Modells

Abschlussprojekt

  • Auswahl eines Anwendungsfeldes für SLMs
  • Konzeption und Umsetzung einer Lösung mit kleinen Sprachmodellen
  • Tests des Modells sowie Optimierung nach Bedarf
  • Präsentation des Projekts samt Ergebnissen

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundkenntnisse in Machine-Learning-Konzepten
  • Erfahrung mit der Python-Programmierung
  • Kenntnisse über neuronale Netzwerke und Deep Learning

Zielgruppe

  • Datenwissenschaftler
  • Softwareentwickler
  • AI-Enthusiasten
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien