Dieser Kurs bietet einen umfassenden, praxisorientierten Einblick in die Modellanpassung, das Fine-Tuning und das Context Engineering für große Sprachmodelle (LLMs). Der Schwerpunkt liegt darauf, wie vortrainierte Modelle effizient angepasst, optimiert und eingesetzt werden können, um reale NLP-Probleme in verschiedenen Fachgebieten zu lösen.

Anhand strukturierter Lektionen, Demonstrationen und Übungsaufgaben lernen Sie, wie Sie Transferlernen, parametereffiziente Feinabstimmungstechniken, Strategien zum Context Engineering und Optimierungsmethoden anwenden, um skalierbare und produktionsreife LLM-Systeme aufzubauen. Der Kurs legt den Schwerpunkt sowohl auf theoretische Grundlagen als auch auf praktische Arbeitsabläufe unter Verwendung moderner Tools wie Hugging Face, Trainer-APIs und Modellüberwachungsplattformen. Am Ende dieses Kurses werden Sie in der Lage sein: - die Prinzipien des Transferlernens, der Modellanpassung und des parametereffizienten Fine-Tunings für große Sprachmodelle zu erläutern - vortrainierte Modelle mithilfe von Techniken wie LoRA und Adaptern für domänenspezifische und aufgabenbasierte Anwendungen zu optimieren - effektive Strategien für das Context Engineering zu entwerfen, einschließlich Kontextoptimierung, Komprimierung und skalierbarer Kontextmuster - feinabgestimmte Modelle anhand aufgabengerechter Metriken zu bewerten und Fehleranalysen durchzuführen - feinabgestimmte Modelle für einen effizienten und kostengünstigen Einsatz in der Produktion zu optimieren, bereitzustellen, zu überwachen und zu warten Dieser Kurs ist ideal für Machine-Learning-Ingenieure, KI-Praktiker, NLP-Entwickler und Datenwissenschaftler, die über reine Prompt-Interaktionen hinausgehen und praktisches Fachwissen zur Anpassung und Bereitstellung von LLMs in realen Systemen erwerben möchten. Um den größtmöglichen Nutzen aus diesem Kurs zu ziehen, werden praktische Kenntnisse in Python, Grundlagen des maschinellen Lernens sowie grundlegende NLP-Konzepte empfohlen. Nehmen Sie teil und meistern Sie den gesamten Lebenszyklus der Feinabstimmung, Optimierung und Operationalisierung großer Sprachmodelle – von vortrainierten Grundlagen bis hin zu skalierbaren, produktionsreifen KI-Lösungen.