Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
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