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 Paderborn, Wien, Koblenz, Mannheim, NordhausenIn diesem 2-tägigen Seminar „Von ChatGPT bis Gemini – LLM-Integration in Python“ erwerben Sie praxisnahes Wissen über Large Language Models (LLMs) und deren Einbindung in Python. Sie erhalten eine fundierte Einführung in die Funktionsweise von LLMs und deren Anwendung ...
- u.a. in Bremen, Paderborn, Dresden, Essen, KoblenzIn 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 ...