Coursera

LLM-Modelle mit Zuversicht erstellen und anpassen

Coursera

LLM-Modelle mit Zuversicht erstellen und anpassen

Starweaver
 Ashraf S. A. AlMadhoun

Dozenten: Starweaver

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

4 Stunden zu vervollständigen
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

4 Stunden zu vervollständigen
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Analyse von LLM-Architekturen und Grundmodellen für bestimmte Anwendungsfälle.

  • Setzen Sie Techniken zur Feinabstimmung unter Verwendung branchenüblicher Tools und Frameworks ein.

  • Stellen Sie LLM-Modelle sicher und optimiert in Produktionsumgebungen bereit.

Kompetenzen, die Sie erwerben

  • Kategorie: Modellierung großer Sprachen
  • Kategorie: Anwendungssicherheit
  • Kategorie: Lastausgleich
  • Kategorie: Feinabstimmung
  • Kategorie: Kontinuierliche Überwachung
  • Kategorie: AI-Integrationen
  • Kategorie: Lernen übertragen
  • Kategorie: AI-Sicherheit
  • Kategorie: Leistungsoptimierung
  • Kategorie: Bereitstellung von Anwendungen
  • Kategorie: Modell-Optimierung
  • Kategorie: LLM-Bewerbung
  • Kategorie: Skalierbarkeit
  • Kategorie: API-Entwurf
  • Kategorie: Generative Modellarchitekturen
  • Kategorie: Angewandtes maschinelles Lernen
  • Kategorie: Systemüberwachung

Werkzeuge, die Sie lernen werden

  • Kategorie: Open Web Application Security Project (OWASP)
  • Kategorie: Gesicht umarmen
  • Kategorie: Modell-Einsatz

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

1 Zuweisung¹

KI-bewertet siehe Haftungsausschluss
Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „LLM-Anwendungen der nächsten Generation mit LangChain & LangGraph erstellen“
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 3 Module

Dieses Modul führt die Lernenden in die grundlegenden Konzepte der Architekturen großer Sprachmodelle und deren praktische Anwendungen ein. Die Lernenden befassen sich mit der CORE-Transformer-Architektur und untersuchen dabei die Vor- und Nachteile von Modellen, die ausschließlich aus einem Encoder, ausschließlich aus einem Decoder oder aus einem Encoder und einem Decoder bestehen. Sie erwerben Fachkenntnisse zur Bewertung von Modellfamilien wie GPT, BERT und T5 im Hinblick auf spezifische geschäftliche Anforderungen, wobei sie Faktoren wie Domänenrelevanz, Latenzbeschränkungen, Anforderungen an die Kontextlänge und Rechenkosten berücksichtigen. Am Ende dieses Moduls sind die Lernenden in der Lage, die am besten geeignete LLM-Architektur für reale Unternehmensszenarien sicher auszuwählen und zu begründen.

Das ist alles enthalten

4 Videos2 Lektüren1 peer review

Dieses Modul konzentriert sich auf die Beherrschung parametereffizienter Fine-Tuning-Techniken zur Anpassung vortrainierter LLMs an Domänen und Aufgaben mit Spezialisierung. Die Teilnehmer lernen fortgeschrittene Methoden wie LoRA (Low-Rank Adaptation) und andere parametereffiziente Ansätze kennen, die den Rechenaufwand drastisch reduzieren und gleichzeitig die Modellleistung aufrechterhalten. Durch praktische Übungen mit branchenüblichen Frameworks wie Hugging Face Transformers erlernen die Teilnehmer den gesamten Fine-Tuning-Workflow: von der Datenaufbereitung und -vorverarbeitung über die Trainingskonfiguration und Bewertungsmetriken bis hin zur Optimierung der Bereitstellung. Der Schwerpunkt des Moduls liegt auf praktischen Fähigkeiten zur Erstellung domänenangepasster Modelle, die eine Leistung auf Unternehmensniveau erzielen und dabei ein ausgewogenes Verhältnis zwischen Genauigkeit, Effizienz und Kosteneffizienz gewährleisten.

Das ist alles enthalten

3 Videos1 Lektüre1 peer review

Dieses Modul behandelt die gesamte Bereitstellungspipeline für LLM-Anwendungen mit Schwerpunkt auf Skalierbarkeit, Leistung und Sicherheit. Die Teilnehmer entwerfen Serving-Architekturen unter Verwendung von APIs und Streaming-Endpunkten, integrieren Unternehmensdaten und wenden die Datenabfrage mit FAISS an. Es werden Optimierungsmaßnahmen wie Caching, Lastenausgleich und automatische Skalierung vorgestellt, um Effizienz bei großem Umfang zu gewährleisten. Der Schwerpunkt auf Sicherheit wird durch OWASP-Richtlinien, starke Authentifizierung und Abwehrmaßnahmen gegen Prompt-Injection-Angriffe unterstrichen. Abschließend implementieren die Teilnehmer Überwachungs- und Warnsysteme, um Zuverlässigkeit, Compliance und Vertrauen in Produktionsumgebungen zu gewährleisten.

Das ist alles enthalten

4 Videos1 Lektüre1 Aufgabe2 peer reviews

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozenten

Starweaver
Coursera
572 Kurse1.160.438 Lernende

von

Coursera

Mehr von Maschinelles Lernen entdecken

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Häufig gestellte Fragen

¹ Einige Aufgaben in diesem Kurs werden mit AI bewertet. Für diese Aufgaben werden Ihre Daten in Übereinstimmung mit Datenschutzhinweis von Courseraverwendet.