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 anwendungsorientierte Sprachmodelle
- Überblick über Sprachmodelle im Kontext der KI
- Bedeutung der Spezialisierung bei Sprachmodellen
- Beispiele erfolgreich eingesetzter, auf spezifische Bereiche zugeschnittener Modelle
Auswahl und Vorverarbeitung von Daten
- Ermittlung sowie Sammlung geeigneter Datensätze für bestimmte Anwendungsbereiche
- Techniken zur Reinigung und Vorbereitung der Daten
- Ethische Aspekte bei der Erstellung von Datensätzen
Modelltraining und Feinabstimmung
- Einführung in Transfer Learning sowie das Verfahren der Feinabstimmung
- Auswahl geeigneter Basis-Modelle für die Anpassung an spezifische Bereiche
- Methoden zur effektiven Optimierung von Modellen
Evaluationskriterien und Leistungsbewertung der Modelle
- Relevante Kennzahlen zur Beurteilung solcher Modelle in speziellen Anwendungsbereichen
- Vergleich von Modellen im Hinblick auf konkrete Aufgabenstellungen
- Einschränkungen und Abwägungen bei der Modellnutzung
Strategien zur Implementierung
- Integration von Sprachmodellen in praxisnahe Anwendungen
- Skalierbarkeit sowie Wartung im eingesetzten Zustand
- Kontinuierliches Lernen und regelmäßige Aktualisierung der Modelle nach der Implementierung
Fokus: Rechtswesen
- Besondere Aspekte bei der Entwicklung rechtsbezogener Sprachmodelle
- Einsatz juristischer Fachtexte und Gesetzesdaten zur Modelltrainierung
- Anwendungsmöglichkeiten in der Recherche sowie Analyse von Rechtsdokumenten
Fokus: Medizinbereich
- Herausforderungen bei der Verarbeitung medizinischer Fachtexte
- Einhaltung des Datenschutzes gemäß HIPAA sowie Schutz personenbezogener Informationen
- Nutzungsmöglichkeiten etwa bei der Auswertung wissenschaftlicher Fachliteratur und im Dialog mit Patienten
Fokus: Technische Anwendungen
- Behandlung von technischen Fachbegriffen in Modellen
- Zusammenarbeit mit Experten aus dem jeweiligen Bereich
- Einsatz der Modelle beispielsweise bei der Erstellung technischer Dokumentation oder beim Kommentieren von Code
Projektarbeit und Abschlussbewertung
- Erarbeitung eines Projektvorschlags sowie Sammeln erster Datenquellen
- Vorstellung des fertigen Projekts einschließlich der erzielten Modellergebnisse
- Abschlussbewertung sowie Rückmeldungen zur weiteren Entwicklung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundkenntnisse im Bereich Maschinelles Lernen
- Erfahrung mit der Programmiersprache Python
- Kenntnisse über die Grundlagen des Natural Language Processings
Zielgruppe
- Datenwissenschaftler
- Maschinenlern-Ingenieure
28 Stunden
