Lassen Sie uns zunächst einige fortgeschrittene Konzepte des überwachten maschinellen Lernens betrachten und untersuchen, wie diese bei der Entwicklung modernster Klassifikationsmodelle für praktische Marketingzwecke zum Einsatz kommen.

Wir werden uns mit „k-train“ befassen, einem schlanken Google TensorFlow-Wrapper, um ein benutzerdefiniertes Modell zu erstellen, das Daten kontextbasiert klassifiziert. Diese schlanken Modelle sind zwar möglicherweise nicht so leistungsfähig wie große Sprachmodelle, aber sie sind ressourcenschonend und können sehr effektiv sein.

Wenn wir uns auf der Skala der Modellgröße und des technologischen Fortschritts weiter nach unten bewegen, werden wir generative KI vorstellen und erläutern, wie diese sehr großen Modelle uns bei der Klassifizierung von Daten helfen können.

Nutzen Sie große Sprachmodelle, die Open Source sind und jedem kostenlos zur Verfügung stehen, um Daten zu klassifizieren und Probleme zu lösen. Wir konzentrieren uns dabei auf kleinere Modelle, die in Google Colab laufen und für jeden mit einem Google-Konto kostenlos sind!

In diesem Modul lernen wir, wie wir unsere eigenen LLMs erstellen können, indem wir Modelle an unsere spezifischen Anwendungsfälle anpassen. Indem wir bereits grundsätzlich leistungsfähige Modelle nehmen und sie an unsere Beispiele mit bekannten Ein- und Ausgabedaten anpassen, können wir schnell hochintelligente Klassifikatoren entwickeln, die spezifische, knifflige Probleme lösen!