Fine-Tuning von Sprachmodellen

Lernen Sie, wie Sie ihr eigenes Sprachmodell auf ihren Anwendungsfall anpassen (fine-tunen).

Verstehen Sie die Grundlagen vortrainierter Sprachmodelle und deren Anpassung an spezifische Aufgaben. Führen Sie Fine-Tuning-Prozesse mit geeigneten Datensätzen durch. Bewerten Sie Modellqualität und vermeiden Sie typische Anpassungsfehler.

Webinar

Länge: 4 Stunden
Datum: nach Bedarf
Kostenfrei

Sie werden neben einer allgemeinen Einführung in die Themen “Transformer-Architektur”, “Text-Generierung”, “Sprachmodelle” und auch “lokale KI” selbst tätig werden. Wir stellen Ihnen die gängigen LLMs und SLMs vor und wofür diese Out-of-the-box geeignet sind. Wenn Sie aber nun einen konkreten Anwendungsfall haben oder an einem interessiert sind, dann lernen Sie in diesem Kurs die Werkzeuge und Vorgehensweisen kennen, um das eigenständig umzusetzen. Dabei werden wir den Einsatz von u.a. Jupyter Notebooks als Entwicklungstools und HuggingFace als Community Plattform und Modell-Speicher kennenlernen. Ebenso werden wir einen Ausflug in die Welt der Datenanalyse und Datenaufbereitung unternehmen. Abschließend starten wir dann Ihr eigenes Fine-tuning auf ihrem eigenen Modell. Außerdem wird es noch einen Ausblick über verschiedene Fine-tuning Techniken wie LoRA, Linear Probing etc. geben.

Trainieren Sie ihr eigenes Modell!

Verstehen Sie verschiedene Fine-Tuning Techniken!

Bauen Sie eine eigene Pipeline von Datenerhebung bis zur Modellausgabe!

Kontakt

Tristan Kley
Projektleiter Academy
E-Mail

Voraussetzungen

Um erfolgreich in diesem Kurs zu sein, benötigen Lernenden die Grundlagen in der Programmierung mit Python. Außerdem sind Basis-Kenntnisse in der Entwicklung von KI-Modellen sowie in der Anwendung von LLMs von Vorteil (TODO: Kurse referenzieren).

Nächste Termine

    • Datum: Nach Abstimmung
    • Uhrzeit: Nach Abstimmung
    • Ort: TBD
    • Kostenfrei

    Sobald genügend Teilnehmer durch eine Anmeldung ihr Interesse angekündigt haben, werden wir mit den Teilnehmern einen passenden Termin abstimmen.