In today’s AI-driven world, optimizing large language models for specific domains while managing cost is a key competitive skill. This course trains AI engineers, ML practitioners, and data scientists to transform baseline generative models into efficient, production-ready solutions. Through hands-on labs using Hugging Face Transformers, PEFT, and Evaluate, you’ll master decoding strategies (temperature, top-k, top-p, beam search), automated evaluation (BLEU, ROUGE, BERTScore, custom metrics), and parameter-efficient fine-tuning (LoRA) that cuts trainable parameters by 99% without losing quality. Real-world projects cover fine-tuning 7B+ models for legal, medical, and financial applications while analyzing GPU and inference costs. The capstone simulates real constraints—limited GPU memory, latency, budget, and compliance—requiring technical, analytical, and executive deliverables. By course end, you’ll confidently optimize and evaluate LLMs, balancing quality, performance, and cost for advanced roles in LLM engineering, MLOps, and AI product development.
Genießen Sie unbegrenztes Wachstum mit einem Jahr Coursera Plus für 199 $ (regulär 399 $). Jetzt sparen.
Fine-Tune & Optimize Generative AI Models
Dieser Kurs ist Teil von Spezialisierung für Build Next-Gen LLM Apps with LangChain & LangGraph
Dozenten: Sonali Sen Baidya
Bei enthalten
Empfohlene Erfahrung
Was Sie lernen werden
Apply decoding strategies (e.g., temperature, top-k, top-p, beam search) to control model outputs for quality, diversity, and relevance.
Evaluate AI-generated text using automated metrics and frameworks to systematically assess fluency, coherence, and factual accuracy.
Implement parameter-efficient fine-tuning (PEFT) techniques to create domain-adapted foundation models while balancing cost-performance trade-offs.
Kompetenzen, die Sie erwerben
- Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
- Kategorie: Analysis
- Kategorie: Model Based Systems Engineering
- Kategorie: Transfer Learning
- Kategorie: AI Personalization
- Kategorie: Model Evaluation
- Kategorie: Model Deployment
- Kategorie: Program Evaluation
- Kategorie: AI Product Strategy
- Kategorie: Large Language Modeling
- Kategorie: Performance Tuning
- Kategorie: MLOps (Machine Learning Operations)
- Kategorie: Generative AI
- Kategorie: Hugging Face
- Kategorie: Applied Machine Learning
- Kategorie: Responsible AI
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
Dezember 2025
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- 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
This module introduces learners to decoding strategies and parameters that control how generative AI models produce text. Learners will explore the mechanics of temperature, top-k, top-p sampling, and beam search, understanding how these parameters influence output diversity, coherence, and relevance. Through hands-on experimentation, learners will gain practical skills in tuning these parameters for different use cases.
Das ist alles enthalten
5 Videos2 Lektüren1 peer review
This module equips learners with systematic approaches to evaluate AI-generated text using automated metrics and evaluation frameworks. Learners will explore metrics like BLEU, ROUGE, perplexity, BERTScore, and task-specific evaluation methods, understanding both their capabilities and limitations. The module emphasizes when automated metrics suffice and when human evaluation remains essential.
Das ist alles enthalten
4 Videos1 Lektüre1 peer review
This module introduces learners to parameter-efficient fine-tuning (PEFT) techniques that enable domain adaptation of large language models without the computational and memory costs of full fine-tuning. Learners will explore methods like LoRA, prefix tuning, and adapter layers, understanding the cost-performance trade-offs and practical implementation strategies for real-world applications.
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.
von
Mehr von Machine Learning entdecken
Status: Kostenloser TestzeitraumSimplilearn
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.
Weitere Fragen
Finanzielle Unterstützung verfügbar,
¹ Einige Aufgaben in diesem Kurs werden mit AI bewertet. Für diese Aufgaben werden Ihre Daten in Übereinstimmung mit Datenschutzhinweis von Courseraverwendet.