Seminarinformationen
Seminar - Ziel
In diesem 3-tägigen Seminar „Customizing Generative AI Models – Maßgeschneiderte LLM-Lösungen entwickeln und produktiv einsetzen“ erfahren Sie, wie Sie generative KI-Modelle gezielt an die Anforderungen Ihres Unternehmens anpassen. Sie vertiefen Ihr Wissen im Bereich des Prompt Engineerings, der systematischen Bewertung von LLM-Ausgaben sowie in effizienten Finetuning-Techniken wie LoRA und IA3.
Im Verlauf des Seminars entwickeln Sie eigene, auf LLMs basierende Anwendungen, binden unternehmensspezifische Daten über Retrieval-Augmented Generation (RAG) ein und nutzen Tools wie LangChain, LangGraph und DeepEval für Umsetzung, Steuerung und Qualitätsprüfung.
Ziel ist es, Sie in die Lage zu versetzen, leistungsfähige KI-Lösungen zu konzipieren, an Ihre Praxisanforderungen anzupassen und erfolgreich in den produktiven Einsatz zu bringen.
Teilnehmer - Zielgruppe
- Data Scientists mit Interesse an LLM-basierten Architekturen
- Softwareentwickler mit Fokus auf KI-Anwendungen
- KI-Praktiker, die generative Modelle produktiv erweitern und evaluieren wollen
Kurs - Voraussetzungen
- Solide Kenntnisse in Python
- Erste Erfahrungen im Umgang mit generativen KI-Modellen (z. B. ChatGPT, Claude, Gemini, LLaMA, Mistral)
- Grundverständnis von Modellarchitekturen und API-gestützter Entwicklung
Seminardauer
- 3 Tage
- 09:00 Uhr bis 17:00 Uhr
Schulungsunterlagen
Seminar-Inhalt / Agenda
Generative AI: Grundlagen & Architektur
- Aufbau und Funktionsweise moderner LLMs
- Prompt Engineering, RAG, Agentic Reasoning
- Open-Weight- vs. Closed-Weight-Modelle
Prompt Engineering in der Praxis
- Few-Shot-Techniken, Chain-of-Thought, Tree-of-Thought
- Automatisierte Prompt-Generierung und Fehleranalyse
- Optimierung mit Feedback- und Testverfahren
Entwicklung LLM-gestützter Anwendungen
- API-Integration mit LangChain
- Workflow-Design mit LangGraph
- Kostenkontrolle und Performance-Tuning
Evaluierung generativer Systeme
- DeepEval, G-Eval & Metriken für LLMs
- Benchmarks, Testdaten & Validierung
- Anwendungsspezifische Bewertungsverfahren
Retrieval-Augmented Generation (RAG)
- Vektordatenbanken, Embeddings, Indexierung
- Text Chunking & Dokumentenverarbeitung
- Retriever-Typen und semantische Abrufstrategien
Finetuning & Datenaugmentation
- LoRA, IA3 und andere PEFT-Techniken
- Quantisierung und Ressourcenoptimierung
- Synthetische Daten erzeugen und bewerten
LLM Hands-On-Workshop
- RAG-Fall-Studie mit Python für Firmendokumente
- Lora/QLora Finetuning eines Open-Weights-Models mit Python und PEFT Bibliotheken
- Erstellung eines Bewertungsskriptes für eigene Modelle
Weitere Schulungen zu Thema Large Language Model (LLM)
- u.a. in Nürnberg, Berlin, Stuttgart, München, KölnIn diesem 3-tägigen Seminar „Einführung in LLMOps – Strategien und Best Practices für den Betrieb von Large Language Models“ erhalten Sie ein grundlegendes Verständnis von Large Language Models (LLMs) und deren Einsatzmöglichkeiten in der Industrie. Sie erwerben ...
- u.a. in Nürnberg, Berlin, Stuttgart, München, KölnIn diesem 3-tägigen Seminar „Generative AI & LLMs für Unternehmen“ erhalten Sie umfassendes Wissen über die Möglichkeiten und Anwendungen von Large Language Modellen (LLMs). Sie lernen, wie Sie passende Modelle auswählen, deren Leistung und Speicherbedarf bewerten ...
- u.a. in Köln, München, Paderborn, Düsseldorf, NordhausenIn diesem 3-tägigen Seminar „Entwicklung und Optimierung von LLM-Anwendungen“ erwerben Sie Kenntnisse, wie moderne LLM-basierte Anwendungen gestaltet, implementiert und verbessert werden. Sie erhalten eine fundierte Einführung in Architekturprinzipien, Design Patterns und ...
- u.a. in Bremen, Dresden, Koblenz, Kassel, NordhausenIn diesem 2-tägigen Seminar „Multi-Agent LLM Workflows mit LangChain & LangGraph“ erhalten Sie einen fundierten Einstieg in die Konzepte und Funktionsweise von LangChain und LangGraph. Sie lernen, wie Sie mit Python eigene Agenten entwickeln – von einfachen bis hin ...