Welche Fähigkeiten werde ich durch diesen Kurs erwerben?

Am Ende dieses Kurses werden Sie verstehen, wie generative KI-Modelle funktionieren, wie man effektive Prompts schreibt, Outputs auswertet und KI bei der Erstellung von Inhalten, bei der Ideenfindung, bei der Recherche und bei anderen beruflichen Aufgaben einsetzt.

Wie lange dauert es, den Kurs zu absolvieren?

Der Kurs ist so konzipiert, dass er in etwa 4-5 Wochen abgeschlossen werden kann, wobei ein Lerntempo von 4-5 Stunden pro Woche empfohlen wird. Sie können jedoch in Ihrem eigenen Tempo lernen, indem Sie Videos, Lesestoff und Quizfragen nach Bedarf wiederholen.

Brauche ich Programmierkenntnisse, um Generative KI zu lernen?

Nein, für diesen Kurs sind keine Vorkenntnisse im Bereich Code erforderlich. Alle technischen Konzepte werden in einer anfängerfreundlichen Art und Weise mit visuellen Beispielen erklärt.

Zu welchen Karrieremöglichkeiten kann dieser Kurs führen?

Das Verständnis für generative KI öffnet die Türen zu Positionen im Content Marketing, in der Produktinnovation, in der Forschungsassistenz, in der Kreativbranche und in KI-bezogenen Positionen wie Prompt Engineering, KI-Content-Kurator oder digitaler Stratege.

Bekomme ich nach Abschluss ein Zertifikat?

Ja, Sie erhalten ein Abschlusszertifikat, sobald Sie alle Kursmodule und Bewertungen abgeschlossen haben. Dieses Zertifikat bestätigt Ihr Verständnis der Grundlagen der Generativen KI und kann Ihren Lebenslauf verbessern.

Wie unterscheidet sich dieser Kurs von anderen KI-Programmen?

Im Gegensatz zu hochtechnischen KI-Programmen konzentriert sich dieser Kurs auf ein praktisches, einsteigerfreundliches Verständnis und legt den Schwerpunkt auf reale Anwendungsfälle der generativen KI. Er überbrückt die Kluft zwischen theoretischen KI-Konzepten und alltäglichen geschäftlichen oder kreativen Anwendungen.

Ist finanzielle Hilfe verfügbar?

Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.

Erste Schritte mit generativer KI

Eignen Sie sich gefragte Fähigkeiten mit einem ganzjährigen Coursera Plus-Abonnement an -- jetzt für 239 $. Sparen Sie jetzt.

Erste Schritte mit generativer KI

Dieser Kurs ist Teil von Spezialisierung „Generative KI für Software-Ingenieure und -Entwickler“

Dozent: Edureka

2.571 bereits angemeldet

Bei Mehr erfahren enthalten

5 Module

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

Stufe Anfänger

Empfohlene Erfahrung

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

5 Module

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

Stufe Anfänger

Empfohlene Erfahrung

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Definition der generativen KI-Prinzipien und Anwendung von Techniken zur Datenaufbereitung, Vektorisierung und Modellbildung.
Analysieren und vergleichen Sie Modelle wie GANs, VAEs, Transformer und LLMs für praktische Anwendungen.
Entwerfen Sie wirksame Prompts für KI-Modelle unter Verwendung von "few-shot", "zero-shot" und "chain-of-thought" Techniken.
Optimierung und Bereitstellung generativer KI-Modelle unter Verwendung von Fine-Tuning-, PEFT- und LLMOps-Strategien.

Kompetenzen, die Sie erwerben

Kategorie: Künstliche Intelligenz und maschinelles Lernen (AI/ML)
Kategorie: Open-Source-Technologie
Kategorie: Datenverarbeitung
Kategorie: Tiefes Lernen
Kategorie: Bereinigung von Daten
Kategorie: Vorverarbeitung von Daten
Kategorie: Maschinelles Lernen
Kategorie: AI-Personalisierung
Kategorie: Modellierung großer Sprachen
Kategorie: Bewertung des Modells
Kategorie: Datenvisualisierung
Kategorie: Generative Modellarchitekturen
Kategorie: Feinabstimmung
Kategorie: LLM-Bewerbung
Kategorie: Generative adversarische Netze (GANs)
Kategorie: Schnelles Engineering
Kategorie: Modell-Optimierung
Kategorie: Verantwortungsvolle AI
Kategorie: Generative KI

Werkzeuge, die Sie lernen werden

Kategorie: Datenbank-Systeme

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

20 Zuweisungen¹

KI-bewertet siehe Haftungsausschluss

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

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

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Generative KI für Software-Ingenieure und -Entwickler“

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 5 Module

Dieser Kurs führt in die grundlegenden Konzepte und fortgeschrittenen Techniken der Generativen KI ein und behandelt Schlüsselthemen wie Modellarchitekturen, Datenaufbereitung, Prompt Engineering und Bereitstellungsstrategien. Die Lernenden werden praktische Erfahrungen mit modernsten Werkzeugen und Methoden sammeln, um generative KI-Lösungen effektiv zu entwerfen, zu verfeinern und bereitzustellen. Am Ende dieses Kurses werden Sie in der Lage sein: - die Kernprinzipien der generativen KI, einschließlich Modelle, Algorithmen und Anwendungen, zu definieren. - Datenvorverarbeitungs- und Vektorisierungstechniken anzuwenden, um generative KI-Modelle zu verbessern. - die Stärken und Schwächen von GANs, Autoencodern, Transformatoren und LLMs zu bewerten.

- Analysieren und Optimieren von Prompting-Techniken zur Verbesserung der Modellleistung - Entwerfen von Evaluierungsmethoden unter Verwendung von Metriken wie BLEU und ROUGE zur Bewertung von Modellergebnissen Dieser Kurs eignet sich für aufstrebende KI-Praktiker, Softwareentwickler, Datenwissenschaftler und ML-Ingenieure, die ihre Fähigkeiten bei der Erstellung, Bereitstellung und Optimierung von generativen KI-Lösungen verbessern möchten. Kommen Sie zu uns, um eine solide Grundlage in generativer KI zu schaffen und Ihre Karriere mit praktischem Fachwissen in dieser transformativen Technologie auf die nächste Stufe zu heben!

Dieses Modul führt in die Grundlagen und fortgeschrittenen Konzepte der Generativen KI ein, einschließlich ihrer Entwicklung, ihrer praktischen Anwendungen und der wichtigsten Unterschiede zu diskriminativen Modellen. Die Teilnehmer lernen die Datenvorverarbeitung und Vektorisierungstechniken wie TF-IDF und Word2Vec kennen und sammeln praktische Erfahrungen mit Autoencodern und GANs, die sie in die Lage versetzen, generative Modelle für KI-gesteuerte Lösungen zu erstellen und zu trainieren.

Das ist alles enthalten

18 Videos6 Lektüren4 Aufgaben3 Diskussionsthemen

18 VideosInsgesamt 103 Minuten

Spezialisierung Einführung7 Minuten
Einführung in den Kurs6 Minuten
Definition der generativen KI und ihre Entwicklung7 Minuten
Generative Vs. Diskrimative Modelle6 Minuten
Anwendungen der Generativen KI5 Minuten
Überblick über die generative AI-Pipeline6 Minuten
Die Bedeutung der Datenvorverarbeitung3 Minuten
Zur Datenvorverarbeitung navigieren5 Minuten
Techniken zur Datenbereinigung7 Minuten
Methoden zur Vektorisierung von Daten7 Minuten
Anwendungen der Vektorisierung5 Minuten
Demonstration: Textvektorisierung mit TF-IDF und CountVectorizer7 Minuten
Autoencoder-Grundlagen: Architektur und Training5 Minuten
Variations-Autoencoder: Überblick und Anwendungen6 Minuten
Generative Adversarial Networks verstehen5 Minuten
Demonstration: Erstellung eines einfachen Autoencoders in Keras5 Minuten
GANs trainieren: Wichtige Überlegungen5 Minuten
Varianten von GANs: DCGAN, CycleGAN6 Minuten

6 LektürenInsgesamt 90 Minuten

Überblick über den Kurs15 Minuten
Die Entwicklung von KI-Modellen: Von der symbolischen zur generativen15 Minuten
Vektorisierungstechniken: TF-IDF, Word2Vec und mehr15 Minuten
Anwendungen von VAEs bei KI-Problemen in der realen Welt15 Minuten
GANs erklärt: Von Null bis DCGAN und CycleGAN15 Minuten
Zusammenfassung des Moduls: Grundlagen der Generativen KI15 Minuten

4 AufgabenInsgesamt 48 Minuten

Wissen prüfen: Grundlagen der Generativen KI30 Minuten
Praxis-Quiz: Generative AI verstehen6 Minuten
Praxis-Quiz: Datenaufbereitung und Vektorisierung6 Minuten
Praxis-Quiz: Autoencoder und GANs6 Minuten

3 DiskussionsthemenInsgesamt 15 Minuten

Stellen Sie sich vor5 Minuten
Datenqualität vs. Modellkomplexität5 Minuten
Latenter Raum in VAEs5 Minuten

Dieses Modul behandelt die Grundlagen von Aufmerksamkeitsmechanismen, die Entwicklung von Transformatoren und wichtige LLMs wie GPT, PaLM und LLaMA. Es umfasst auf Anweisungen abgestimmte Modelle, API-Integration und reale Anwendungen. Sie werden auch das Open Source LLM-Ökosystem, Modellvergleiche, Hugging Face und wichtige ethische Überlegungen kennenlernen.

Das ist alles enthalten

15 Videos4 Lektüren4 Aufgaben3 Diskussionsthemen

15 VideosInsgesamt 73 Minuten

Entwicklung von Transformermodellen5 Minuten
Aufmerksamkeitsmechanismus und seine Rolle in Transformatoren4 Minuten
Demonstration: Visualisierung der Aufmerksamkeit im Transformermodell6 Minuten
Überblick über das BERT5 Minuten
Überblick über den Generativen vortrainierten Transformator (GPT)4 Minuten
Einführung in LLMs4 Minuten
Erforschung von Meta Llama 3 und anderen führenden LLMs5 Minuten
Anwendungsfälle von LLMs in verschiedenen Domänen6 Minuten
Verständnis der LLM APIs und ihrer Typen4 Minuten
API-Integration mit LLMs5 Minuten
Demonstration: LLM-Integration mit Gemini API6 Minuten
Überblick über Open-Source-LLMs5 Minuten
Ethische Erwägungen bei der Bereitstellung von Open-Source-Modellen4 Minuten
Vergleich von Open Source Modellen4 Minuten
Demonstration: Gesicht umarmen Ökosystem5 Minuten

4 LektürenInsgesamt 60 Minuten

Von der Aufmerksamkeit zum Transformator: Wie sich die Sequenz-Modellierung entwickelte15 Minuten
Der Aufstieg der instruktionsgesteuerten LLMs: Ein neues Paradigma im NLP15 Minuten
Ethische Risikolandschaft bei Open Source KI Modellen15 Minuten
Zusammenfassung des Moduls: Transformermodelle und große Sprachmodelle (LLMs)15 Minuten

4 AufgabenInsgesamt 48 Minuten

Wissen prüfen: Transformermodelle und Große Sprachmodelle (LLMs)30 Minuten
Praxis-Quiz: Transformer und Aufmerksamkeitsmechanismen6 Minuten
Praxis-Quiz: Große Sprachmodelle (LLMs) erforschen6 Minuten
Praxis-Quiz: Open-Source LLM-Ökosystem6 Minuten

3 DiskussionsthemenInsgesamt 15 Minuten

Der Generative vortrainierte Transformer (GPT)5 Minuten
Anweisungsabhängige Modelle5 Minuten
Verantwortungsvolle KI auf Skala5 Minuten

Dieses Modul behandelt die Grundlagen des Prompt Engineering, fortgeschrittene Prompting-Techniken wie "few-shot", "zero-shot" und "chain-of-thought" sowie Strategien zur Optimierung der generativen KI. Sie lernen, wie Vektor-Datenbanken (ChromaDB, Pinecone und Weaviate) semantische Suche und Retrieval-Augmented Generation Generation (RAG) ermöglichen. Die praktische Arbeit mit LangChain zeigt, wie man modulare KI-Anwendungen mit Prompt-Templates, Tools und Agenten für praktische, moderne Lösungen erstellt.

Das ist alles enthalten

18 Videos5 Lektüren5 Aufgaben4 Diskussionsthemen

18 VideosInsgesamt 99 Minuten

Was ist Prompt Engineering?6 Minuten
Prompt Design-Strategien für generative KI-Modelle5 Minuten
Elemente eines wirksamen Prompts5 Minuten
Demonstration: Erstellen von Zero-Shot-, One-Shot- und Few-Shot-Prompt's7 Minuten
Demonstration: Kreative Prompts für verschiedene NLP-Aufgaben entwerfen6 Minuten
Few-Shot und Zero-Shot Learning-Strategien5 Minuten
Chain of Thought Prompting (Gedankenkette)5 Minuten
Optimierung der Prompts für bestimmte Ausgaben6 Minuten
Demonstration: Wirksame Strategien zur Gestaltung von Prompt7 Minuten
Einführung in Vektordatenbanken4 Minuten
ChromaDB, Pinecone, Weaviate5 Minuten
Semantische Suche mit Vektor Einbettungen5 Minuten
RAG-Architektur und Retriever-Techniken4 Minuten
Modulare und multimodale RAG5 Minuten
Demonstration: ChromaDB: Installieren, Erstellen und Verwalten einer Vektor Datenbank5 Minuten
Demonstration: Semantische Suche mit Vektor Einbettungen6 Minuten
LangChain Architektur und Komponenten5 Minuten
Prompt-Vorlagen und -Tools verwenden7 Minuten

5 LektürenInsgesamt 75 Minuten

Die Wissenschaft des Prompting: Eine kognitive Perspektive auf Promptes15 Minuten
Wie Vektordatenbanken die semantische Suche in der KI unterstützen15 Minuten
RAG in the Wild: Fallstudien aus Unternehmensanwendungen15 Minuten
LangChain in Aktion: Aufbau modularer KI-Anwendungen15 Minuten
Zusammenfassung des Moduls: Generative KI-Techniken und -Tools15 Minuten

5 AufgabenInsgesamt 54 Minuten

Wissens-Check: Generative KI-Techniken und -Tools30 Minuten
Praxis-Quiz: Grundsätze des Prompt Engineering6 Minuten
Praxis-Quiz: Fortgeschrittene Prompting-Techniken6 Minuten
Praxis-Quiz: Vektordatenbanken und RAG6 Minuten
Praxis-Quiz: Frameworks für die Anwendungsentwicklung6 Minuten

4 DiskussionsthemenInsgesamt 20 Minuten

Menschliches Denken, maschinelle Antworten5 Minuten
Prompting mit Zweck5 Minuten
Abruf trifft auf Erzeugung5 Minuten
Von Stücken zu Produkten5 Minuten

Dieses Modul behandelt Fine-Tuning und Optimierung generativer Modelle, einschließlich Grundlagen wie Datenerweiterung und Hyperparameter-Tuning sowie fortgeschrittene Methoden wie PEFT, LoRA und QLoRA für eine effiziente Anpassung. Sie lernen, wie man Modelle mit Hilfe von Metriken wie BLEU und ROUGE bewertet und dabei quantitative und qualitative Beurteilungen ausgleicht. Der Kurs führt auch in die Erstellung und Bereitstellung von KI-Lösungen mit LLMOps und branchenüblichen Best Practices für den praktischen Einsatz ein.

Das ist alles enthalten

11 Videos4 Lektüren5 Aufgaben4 Diskussionsthemen

11 VideosInsgesamt 55 Minuten

Fine-Tuning-Grundlagen für generative Modelle4 Minuten
Datenerweiterung und Abstimmung von Hyperparametern6 Minuten
Parametereffizientes Fine-Tuning5 Minuten
Niedrigrangige Anpassung4 Minuten
Quantisierte Low-Rank-Anpassung5 Minuten
Herausforderungen bei der Evaluierung generativer KI-Modelle4 Minuten
Bewertungsmetriken: BLEU, ROUGE, Anfangsbewertung4 Minuten
Qualitative versus Quantitative Bewertung5 Minuten
Demonstration: Bewertung der Textgenerierung mit BLEU und ROUGE7 Minuten
Einführung in LLMOps5 Minuten
Bereitstellung von Strategien für generative KI-Anwendungen5 Minuten

4 LektürenInsgesamt 60 Minuten

Fine-Tuning vs. Vortraining: Wann und warum man sich für beides entscheidet15 Minuten
Quantisierung in LLMs: Große Modelle auf kleinen Geräten funktionieren lassen15 Minuten
Das Aufkommen von LLMOps: Bewährte Praktiken von Branchenführern15 Minuten
Zusammenfassung des Moduls: Fine-Tuning und Optimierung von generativen Modellen15 Minuten

5 AufgabenInsgesamt 54 Minuten

Wissen prüfen: Fine-Tuning und Optimierung von generativen Modellen30 Minuten
Praxis-Quiz: Fine-Tuning-Techniken6 Minuten
Praxis-Quiz: Fortgeschrittene Prompting-Techniken6 Minuten
Praxis-Quiz: Evaluierung generativer Modelle6 Minuten
Praxis-Quiz: Aufbau und Bereitstellung von generativen KI-Lösungen6 Minuten

4 DiskussionsthemenInsgesamt 20 Minuten

Boosting mit mehr Daten5 Minuten
Fine-Tuning auf engstem Raum5 Minuten
Das Unermessliche messen5 Minuten
Vom Labor zum Leben5 Minuten

Dieses Modul dient zur Beurteilung der verschiedenen Konzepte und Lehren, die in diesem Kurs behandelt werden. Beurteilen Sie Ihr Wissen mit einem umfassenden, benoteten Quiz, einem Projekt und Laborübungen.

Das ist alles enthalten

1 Video1 Lektüre2 Aufgaben1 Diskussionsthema2 Unbewertete Labore

1 VideoInsgesamt 3 Minuten

Kurs-Zusammenfassung3 Minuten

1 LektüreInsgesamt 30 Minuten

Praxis-Projekt: KI-gestütztes Content-Strategie-System30 Minuten

2 AufgabenInsgesamt 90 Minuten

Wissensüberprüfung am Ende des Kurses: Erste Schritte mit generativer KI60 Minuten
Entwurf eines auf generativer KI basierenden Texterzeugungs- und Anwendungssystems30 Minuten

1 DiskussionsthemaInsgesamt 5 Minuten

Beschreiben Sie Ihre Lernreise5 Minuten

2 Unbewertete LaboreInsgesamt 60 Minuten

Praktische Übung: Textvektorisierung und Autoencoder30 Minuten
Praxis-Aktivität: BLEU- und ROUGE-Auswertung30 Minuten

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.

Dozent

Edureka

269 Kurse247.092 Lernende

von

Edureka

Mehr von Maschinelles Lernen entdecken

Packt
Generative AI Foundations for Absolute Beginners
Kurs
Alberta Machine Intelligence Institute
Introduction to Generative AI: Concepts and Techniques
Kurs
Universidad de los Andes
Fundamentals of Using Generative AI
Kurs
IBM
Generative AI Essentials: From Fundamentals to Real-World Applications
Kurs

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.“

Was führt Sie heute zu Coursera?

Meine Karriere starten

Meine Karriere ändern

In meiner derzeitigen Rolle wachsen

Themen außerhalb der Arbeit erkunden

Eignen Sie sich Fähigkeiten an, die ein Leben lang halten -- jetzt für 239 $
Jetzt sparen
Verleihen Sie Ihrem Team neue Fähigkeiten
Jetzt 40 % sparen

Häufig gestellte Fragen

Dieser Kurs ist ideal für Anfänger, Fachleute mit technischem Hintergrund und alle, die neugierig sind, wie KI zur Generierung von Inhalten eingesetzt werden kann. Für den Einstieg sind keine Vorkenntnisse in KI oder Code erforderlich.

Der Kurs stellt Schlüsselkonzepte vor, wie z.B. die Funktionsweise der generativen KI, die Arten der verwendeten Modelle (z.B. Transformer, GANs), reale Anwendungen, ethische Überlegungen, Prompt Engineering und praktische Demos mit generativen KI-Techniken.

Der Kurs enthält praktische Demonstrationen und Übungen mit echten generativen KI-Tools und -Plattformen, die Sie mit Hilfe von Prompts durch die Interaktionen der Modelle führen und praktische Anwendungen wie Textzusammenfassung und mehr erkunden.

Um auf Kursmaterialien und Aufgaben zugreifen zu können und ein Zertifikat zu erwerben, müssen Sie bei der Anmeldung zu einem Kurs die Option „Zertifikat“ erwerben. Berechtigte Lernende haben möglicherweise auch die Möglichkeit, mit einer kostenlosen Testphase zu beginnen. Bei einigen Kursen wird möglicherweise auch die Option „Vollständiger Kurs, kein Zertifikat“ angeboten. Damit haben Sie Zugriff auf die Kursmaterialien, können die erforderlichen Prüfungen einreichen und erhalten eine Abschlussnote, können jedoch kein Zertifikat erwerben oder erhalten.

Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.

Weitere Fragen

Besuchen Sie die das Hilfe-Center für Kursteilnehmer.

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.