Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.5
114 Bewertungen
Stufe Mittel
Empfohlene Erfahrung
Empfohlene Erfahrung
Stufe „Mittel“
Grundkenntnisse in Python, PyTorch und der Transformer-Architektur. Sie sollten auch mit Konzepten des maschinellen Lernens und neuronaler Netze vertraut sein.
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.5
114 Bewertungen
Stufe Mittel
Empfohlene Erfahrung
Empfohlene Erfahrung
Stufe „Mittel“
Grundkenntnisse in Python, PyTorch und der Transformer-Architektur. Sie sollten auch mit Konzepten des maschinellen Lernens und neuronaler Netze vertraut sein.
Wenn Sie sich für diesen Kurs anmelden, müssen Sie auch ein bestimmtes Programm auswählen.
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 2 Module
Die Nachfrage nach technischen generativen KI-Fähigkeiten (GenAI) steigt, und Unternehmen suchen aktiv nach KI-Ingenieuren, die mit großen Sprachmodellen (LLMs) arbeiten können. Dieser IBM Kurs wurde entwickelt, um arbeitsplatztaugliche Fähigkeiten aufzubauen, die Ihre KI-Karriere beschleunigen können. In diesem Kurs werden Sie Transformatoren und wichtige Modell-Frameworks und -Plattformen, einschließlich Hugging Face und PyTorch, kennenlernen. Sie beginnen mit einem grundlegenden Framework zur Optimierung von LLMs und gehen schnell zur Feinabstimmung generativer KI-Modelle über. Sie lernen auch fortgeschrittene Techniken wie parametereffizientes Feintuning (PEFT), Low-Rank-Adaption (LoRA), quantisiertes LoRA (QLoRA) und Prompting kennen. Die praktischen Übungen vermitteln Ihnen wertvolle, praktische Erfahrungen, einschließlich des Ladens, Vortrainings und Feintunings von Modellen unter Verwendung von Industriestandard-Tools. Wenn Sie bereit sind, Ihre KI-Karriere auf die nächste Stufe zu heben und Ihren Lebenslauf mit den gefragten Gen-KI-Kompetenzen zu stärken, melden Sie sich noch heute an und beginnen Sie, Ihre neuen Fähigkeiten in nur einer Woche anzuwenden!
In diesem Modul befassen Sie sich mit den praktischen Aspekten der Arbeit mit großen Sprachmodellen (LLMs) unter Verwendung von Industriestandard-Tools wie Hugging Face und PyTorch. Sie werden die Unterschiede zwischen diesen Frameworks erforschen, lernen, wie man mit vortrainierten Modellen lädt und Inferenzen durchführt, und verstehen die Prozesse des Vortrainings und der Feinabstimmung von LLMs. In praktischen Übungen werden Sie Erfahrungen mit der Implementierung dieser Techniken sammeln und so Ihre Fähigkeit verbessern, generative KI-Modelle für verschiedene Anwendungen zu entwickeln und zu optimieren. Am Ende dieses Moduls sind Sie in der Lage, LLMs effektiv zu nutzen und zu optimieren, indem Sie sie auf spezifische Aufgaben und Leistungsanforderungen abstimmen.
Das ist alles enthalten
5 Videos4 Lektüren2 Aufgaben4 App-Elemente
Infos zu Modulinhalt anzeigen
5 Videos•Insgesamt 29 Minuten
Einführung in den Kurs•3 Minuten
Umarmendes Gesicht vs. PyTorch•6 Minuten
Verwendung von vortrainierten Transformatoren und Feinabstimmung•7 Minuten
Feinabstimmung mit PyTorch•7 Minuten
Feinabstimmung mit umarmendem Gesicht•5 Minuten
4 Lektüren•Insgesamt 25 Minuten
Überblick über den Kurs•3 Minuten
Übersicht über die Spezialisierung•7 Minuten
Hilfreiche Tipps für den Kursabschluss•5 Minuten
Lesen: Zusammenfassung und Highlights•10 Minuten
2 Aufgaben•Insgesamt 27 Minuten
Praxis-Quiz: Transfer-Lernen im NLP•12 Minuten
Benotetes Quiz: Transformatoren und Feinabstimmung•15 Minuten
4 App-Elemente•Insgesamt 170 Minuten
Übung: Laden von Modellen und Inferenz mit Hugging Face•20 Minuten
[Optional] LLMs mit Umarmungsgesicht vortrainieren•60 Minuten
Übung: Pre-Training und Feinabstimmung mit PyTorch•60 Minuten
Labor: Feinabstimmung von Transformatoren mit PyTorch und Hugging Face•30 Minuten
Effiziente Parameter-Feinabstimmung (PEFT)
Modul 2•4 Stunden abzuschließen
Moduldetails
In diesem Modul werden Sie modernste Methoden zur Feinabstimmung großer Sprachmodelle mit Hilfe von parameter-effizienten Feinabstimmungsmethoden (PEFT) kennenlernen. Sie werden ein Verständnis von Adaptern, Low-Rank-Adaption (LoRA) und Quantisierung erlangen, zusammen mit praktischen Anwendungen von PyTorch und Hugging Face Bibliotheken. Die praktischen Übungen und Lektüren vertiefen Ihr Wissen über Soft Prompts, quantisiertes LoRA (QLoRA) und Schlüsselterminologie. Außerdem haben Sie Zugang zu einem kurzen Spickzettel und einem Glossar, die die wichtigsten Techniken, Begriffe und Werkzeuge, die im Kurs vorgestellt werden, vertiefen.
Wir bei IBM wissen, wie schnell sich die Technologie entwickelt, und sind uns bewusst, wie wichtig es für Unternehmen und Fachkräfte ist, schnell einsatzbereite, praxisnahe Fähigkeiten zu erwerben. Als marktführender Tech-Innovator setzen wir uns dafür ein, dass Sie in diesem dynamischen Umfeld erfolgreich sind. Über das IBM Skills Network bieten unsere von Experten entwickelten Schulungsprogramme in den Bereichen künstliche Intelligenz, Softwareentwicklung, Cybersicherheit, Datenwissenschaft, Unternehmensführung und mehr die grundlegenden Fähigkeiten, die Sie benötigen, um sich Ihren ersten Job zu sichern, Ihre Karriere voranzutreiben oder Ihren geschäftlichen Erfolg zu steigern. Ganz gleich, ob Sie sich selbst oder Ihr Team weiterbilden möchten, unsere Kurse, Spezialisierungen und professionellen Zertifikate vermitteln Ihnen das technische Fachwissen, das Sie und Ihr Unternehmen in einer wettbewerbsorientierten Welt auszeichnet.
Wie lange dauert es, die Specialization abzuschließen?
Der Kurs dauert etwa 8 Stunden, so dass Sie innerhalb von nur einer Woche über die Fähigkeiten verfügen, die Sie brauchen, um einen Arbeitgeber zu beeindrucken!
Brauche ich irgendwelche Vorkenntnisse, um diesen Kurs erfolgreich abzuschließen?
Dieser Kurs ist auf mittlerem Niveau angesiedelt. Um den größtmöglichen Lernerfolg zu erzielen, müssen Sie über Grundkenntnisse in Python, PyTorch und der Transformer-Architektur verfügen. Sie sollten auch mit Konzepten des maschinellen Lernens und neuronaler Netze vertraut sein.
Welche Funktionen werden von den Fähigkeiten profitieren, die ich nach Abschluss dieses Kurses erworben habe?
Dieser Kurs ist Teil der Generative AI Engineering mit LLMs Spezialisierung. Wenn Sie die Spezialisierung abschließen, werden Sie die Fähigkeiten und das Selbstvertrauen haben, um Job-Rollen wie KI-Ingenieur, NLP-Ingenieur, Ingenieur für maschinelles Lernen, Deep-Learning-Ingenieur, Datenwissenschaftler oder Software-Entwickler zu übernehmen, die sich bewerben wollen, um mit LLMs zu arbeiten.
Benötige ich spezielle Software oder Tools, um den Kurs erfolgreich abzuschließen?
Für die Teilnahme an diesem Kurs und allen praktischen Übungen ist lediglich ein moderner Webbrowser erforderlich. Sie erhalten kostenlosen Zugang zu Cloud-basierten Umgebungen, um die Übungen durchzuführen.
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich dieses Zertifikat abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugang zu allen Kursen des Zertifikats, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird zu Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.