PickAClass · KI, Technologie & Ingenieurwesen · Generative KI & Deep Learning

Fine-Tuning von Sprachmodellen

Gehen Sie über das Prompting hinaus und lernen Sie, vortrainierte Sprachmodelle auf benutzerdefinierten Datensätzen feinabzustimmen (Fine-Tuning). Passen Sie Modelle wie GPT, Llama und BERT für bestimmte Bereiche und Aufgaben an, um Leistung und Genauigkeit zu verbessern.

134 courses

Fine-Tuning von Sprachmodellen

Lokale KI-Modelle mit Ollama: LLMs auf eigener Hardware ausführen

Lokales LLM-Deployment: Open-Source-KI auf privater Infrastruktur ausführen

Einsteigerleitfaden zum Fine-Tuning von LLMs

LLM-Optimierungsgrundlagen: Kompression und Fine-Tuning

Einführung in das LLM Fine-Tuning auf Domain-Daten

Bereitstellung lokaler LLMs: vLLM, Quantization und Inference

Grundlagen des Testens und Evaluierens von LLM-Anwendungen

Einführung in LLM Fine-Tuning mit LoRA und QLoRA

Grundlagen großer Sprachmodelle: Von Transformatoren zur Feinabstimmung

OpenAI-Modelle optimieren: LLMs mit eigenen Daten anpassen

Feinjustierung von Transformatoren und LLMs: Von BERT zu LLaMA

Generative KI-Grundlagen mit Hugging Face

Erstellen, Ausrichten und Feinabstimmen von LLMs von Grund auf mit PyTorch

LLM Fine-Tuning Guide: Anpassen von GPT-3.5- und KI-Modellen mit eigenen Daten

Eingabeaufforderung für große Sprachmodelle in Python

Feineinstellung großer Sprachmodelle für generative KI

Generative KI-Technik: Feineinstellung von Transformatoren

Strategische Implementierung und Feinabstimmung großer Sprachmodelle

Custom LLM-Entwicklung: Feinjustierung mit LoRA und QLoRA

Ausführen von lokalen großen Sprachmodellen: Ein praktischer Leitfaden

LLMs in Business: Strategie, Anwendungen und Implementierung

Grundlagen großer Sprachmodelle: Fine-Tuning und RAG

DeepSeek KI-Grundlagen: Große Sprachmodelle verstehen

Sicherung großer Sprachmodelle: LLM-Anwendungssicherheit