ExperTeach Networking Logo

Advanced ChatGPT & Co.

Programmierung von Use Cases und Umsetzung von KI-Projekten

ExperTeach Networking Logo

Sprachmodelle wie ChatGPT, Bing AI, Gemini und Llama haben bewiesen, dass sie Quelltext für nahezu jede Programmiersprache erzeugen können. Die Qualität des generierten Codes kann jedoch je nach Aufgabe sehr schwankend zu sein.

Dieser Kurs widmet sich der Fragestellung, welche Aufgaben KI-Modelle gut lösen, wo deren Grenzen liegen und welch weiteren Nutzen diese bringen können. Anhand von verschiedenen Beispielen werden die Stärken und Schwächen von KIs bei deren Nutzung aufgezeigt, so dass man in die Lage versetzt wird, eigene Use Cases professionell umzusetzen.

Das Training, welches Workshop-Charakter hat, basiert maßgeblich auf Hands-on Übungen, so dass man Vorgehensweisen trainiert, mittels derer man eigene Use Cases kreieren kann. Die praktischen Übungen versetzen die Teilnehmer in die Lage KI-Lösungen in Projekten erfolgreich einzusetzen.

Kursinhalt

  • Hands-on-Erfahrung mit KI- und ML-Modellen sowie Techniken des Model Tunings
  • Typische Bestandteile einer KI-Lösung: Hard- und Software, Datenquellen
  • Vergleich der Fähigkeiten von verschiedenen KIs
  • Grundlagen zu lokalen KI-Modellen
  • Training und Feintuning eines lokalen KI-Modells
  • Integration, Nutzung und Feintuning von KI-Modellen
  • Design und Erstellung von Projekten sowie Systemen mit KI-Modellen
  • Nutzung von KI-Assistenten wie GitHub Copilot zur Code-Generierung
  • Analyse, Debugging, Refactoring und Reviewing von Code
  • Erzeugung von Grundgerüsten für automatisiertes Testing von spezifischen Codes
  • Aktuelle Trends wie ChatGPT, Gemini, Llama, Orca2 und Innovationen

Print E-Book PDF Symbol Sie erhalten das ausführliche deutschsprachige Unterlagenpaket aus der Reihe ExperTeach Networking – Print, E-Book und personalisiertes PDF! Bei Online-Teilnahme erhalten Sie das E-Book sowie das personalisierte PDF.

Inhouse-Schulung jetzt anfragen

Zielgruppe

Dieser Kurs richtet sich an Programmierer und Softwareentwickler, die KI in ihren Projekten nutzen möchten. 

Voraussetzungen

Programmierkenntnisse in Python sind notwendig, um den Übungen und Beispielen folgen zu können. Das Wissen, welches in den Kursen ChatGPT – Programmierung & Problemlösung mit KI-Unterstützung und Machine Learning – Data Science und künstliche Intelligenz vermittelt wird, schafft eine gute Basis.

1 Einführung zu künstlicher Intelligenz
1.1 Intelligenz
1.1.1 Definition
1.1.2 Eigenschaften der Künstlichen Intelligenz
1.1.3 Machine Learning
1.1.4 Erklärbarkeit von Künstlicher Intelligenz
1.2 KI-Fluch oder Segen?
   
2 Machine Learning
2.1 Generative KIs in weiteren Bereichen
2.1.1 Text to Image
2.1.2 Text to Video
2.2 Neuronale Netze
2.2.1 Biologisches vs. künstliches Neuron
2.2.2 Mehrschichtige neuronale Netze
2.2.3 Training und Backpropagation
2.2.4 Entwicklungsschritte zu ChatGPT
2.2.5 Rekurrente neuronale Netze (RNN)
2.2.6 LSTM & GRU
2.2.7 Transformer: Attention-Mechanismus
2.2.8 Training und Finetuning
2.2.9 Parameter und Hyperparameter
2.3 Datenaufbereitung für Machine Learning
2.3.1 Data Science
2.3.2 Python und Machine Learning
2.3.3 NumPy
2.3.4 Pandas
2.3.5 Matplotlib und seaborn
2.4 Beispiel: MNIST
2.4.1 Features & Feature Matrix
   
3 Natürliche Sprachverarbeitung
3.1 Übersicht
3.2 Sprachmodelle
3.2.1 Tokenisierung
3.2.2 Normalisierung & Pre-Tokenisierung
3.2.3 Subword Encoding
3.2.4 Vektorisierung und Embeddings
3.2.5 Detailansicht
3.3 Transformer
3.4 Training von GPT
3.4.1 Stufe 1: Pre-Training
3.4.2 Stufe 2: Supervised Finetuning
3.4.3 Stufe 3 & 4 Reinforcement Learning
   
4 ChatGPT und OpenAI
4.1 ChatGPT API im Überblick
4.2 OpenAIs Playground
4.3 API Benutzung mit Python
4.3.1 Chat via API
4.3.2 Reproduzierbarkeit
4.3.3 Moderation
4.3.4 Erstellung von Assistants über die API
4.3.5 Nutzung von Assistants
   
5 On-Premise KI-Lösungen
5.1 Plattformen für KI
5.1.1 Hugging Face
5.1.2 Kaggle
5.1.3 Models & Datasets
5.2 Hardwareanforderungen
5.2.1 Prozessor (CPU)
5.2.2 Grafikkarten (GPUs)
5.2.3 Tensor Prozessoren (TPUs)
5.2.4 Arbeitsspeicher (RAM)
5.2.5 Hauptspeicher
5.3 Wichtige Dateiformate für Self-Hosted KI-Modelle
5.4 Sicherheitsmechanismen und Guards
5.4.1 Angriffe
5.5 Retrieval-Augmented-Generation (RAG)
5.6 Textgeneration WebUI
5.6.1 Model Loader
5.6.2 Modell-Tweak Parameter
5.7 Monitoring
5.8 Quantisierung
5.8.1 Vor- und Nachteile

Classroom Training

Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!

Hybrid Training

Hybrid Training bedeutet, dass zusätzliche Online-Teilnehmer an einem Präsenzkurs teilnehmen können. Die Dynamik eines realen Kurses bleibt erhalten, wovon besonders auch die Online-Teilnehmer profitieren. Als Online-Teilnehmer eines Hybrid-Kurses nutzen Sie eine Collaboration-Plattform wie WebEx Training Center oder Saba Meeting. Dazu wird nur ein PC mit Browser und Internet-Anschluss benötigt, ein Headset und idealerweise eine Webcam. Im Kursraum setzen wir speziell entwickelte und angepasste hochwertige Audio- und Videotechnik ein. Sie sorgt dafür, dass die Kommunikation zwischen allen Beteiligten angenehm und störungsfrei funktioniert.

Online Training

Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.

Inhouse-Schulung

Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Inhouse-Schulung jetzt anfragen
PDF SymbolDie gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.

Sprachmodelle wie ChatGPT, Bing AI, Gemini und Llama haben bewiesen, dass sie Quelltext für nahezu jede Programmiersprache erzeugen können. Die Qualität des generierten Codes kann jedoch je nach Aufgabe sehr schwankend zu sein.

Dieser Kurs widmet sich der Fragestellung, welche Aufgaben KI-Modelle gut lösen, wo deren Grenzen liegen und welch weiteren Nutzen diese bringen können. Anhand von verschiedenen Beispielen werden die Stärken und Schwächen von KIs bei deren Nutzung aufgezeigt, so dass man in die Lage versetzt wird, eigene Use Cases professionell umzusetzen.

Das Training, welches Workshop-Charakter hat, basiert maßgeblich auf Hands-on Übungen, so dass man Vorgehensweisen trainiert, mittels derer man eigene Use Cases kreieren kann. Die praktischen Übungen versetzen die Teilnehmer in die Lage KI-Lösungen in Projekten erfolgreich einzusetzen.

Kursinhalt

  • Hands-on-Erfahrung mit KI- und ML-Modellen sowie Techniken des Model Tunings
  • Typische Bestandteile einer KI-Lösung: Hard- und Software, Datenquellen
  • Vergleich der Fähigkeiten von verschiedenen KIs
  • Grundlagen zu lokalen KI-Modellen
  • Training und Feintuning eines lokalen KI-Modells
  • Integration, Nutzung und Feintuning von KI-Modellen
  • Design und Erstellung von Projekten sowie Systemen mit KI-Modellen
  • Nutzung von KI-Assistenten wie GitHub Copilot zur Code-Generierung
  • Analyse, Debugging, Refactoring und Reviewing von Code
  • Erzeugung von Grundgerüsten für automatisiertes Testing von spezifischen Codes
  • Aktuelle Trends wie ChatGPT, Gemini, Llama, Orca2 und Innovationen

Print E-Book PDF Symbol Sie erhalten das ausführliche deutschsprachige Unterlagenpaket aus der Reihe ExperTeach Networking – Print, E-Book und personalisiertes PDF! Bei Online-Teilnahme erhalten Sie das E-Book sowie das personalisierte PDF.

Inhouse-Schulung jetzt anfragen

Zielgruppe

Dieser Kurs richtet sich an Programmierer und Softwareentwickler, die KI in ihren Projekten nutzen möchten. 

Voraussetzungen

Programmierkenntnisse in Python sind notwendig, um den Übungen und Beispielen folgen zu können. Das Wissen, welches in den Kursen ChatGPT – Programmierung & Problemlösung mit KI-Unterstützung und Machine Learning – Data Science und künstliche Intelligenz vermittelt wird, schafft eine gute Basis.

1 Einführung zu künstlicher Intelligenz
1.1 Intelligenz
1.1.1 Definition
1.1.2 Eigenschaften der Künstlichen Intelligenz
1.1.3 Machine Learning
1.1.4 Erklärbarkeit von Künstlicher Intelligenz
1.2 KI-Fluch oder Segen?
   
2 Machine Learning
2.1 Generative KIs in weiteren Bereichen
2.1.1 Text to Image
2.1.2 Text to Video
2.2 Neuronale Netze
2.2.1 Biologisches vs. künstliches Neuron
2.2.2 Mehrschichtige neuronale Netze
2.2.3 Training und Backpropagation
2.2.4 Entwicklungsschritte zu ChatGPT
2.2.5 Rekurrente neuronale Netze (RNN)
2.2.6 LSTM & GRU
2.2.7 Transformer: Attention-Mechanismus
2.2.8 Training und Finetuning
2.2.9 Parameter und Hyperparameter
2.3 Datenaufbereitung für Machine Learning
2.3.1 Data Science
2.3.2 Python und Machine Learning
2.3.3 NumPy
2.3.4 Pandas
2.3.5 Matplotlib und seaborn
2.4 Beispiel: MNIST
2.4.1 Features & Feature Matrix
   
3 Natürliche Sprachverarbeitung
3.1 Übersicht
3.2 Sprachmodelle
3.2.1 Tokenisierung
3.2.2 Normalisierung & Pre-Tokenisierung
3.2.3 Subword Encoding
3.2.4 Vektorisierung und Embeddings
3.2.5 Detailansicht
3.3 Transformer
3.4 Training von GPT
3.4.1 Stufe 1: Pre-Training
3.4.2 Stufe 2: Supervised Finetuning
3.4.3 Stufe 3 & 4 Reinforcement Learning
   
4 ChatGPT und OpenAI
4.1 ChatGPT API im Überblick
4.2 OpenAIs Playground
4.3 API Benutzung mit Python
4.3.1 Chat via API
4.3.2 Reproduzierbarkeit
4.3.3 Moderation
4.3.4 Erstellung von Assistants über die API
4.3.5 Nutzung von Assistants
   
5 On-Premise KI-Lösungen
5.1 Plattformen für KI
5.1.1 Hugging Face
5.1.2 Kaggle
5.1.3 Models & Datasets
5.2 Hardwareanforderungen
5.2.1 Prozessor (CPU)
5.2.2 Grafikkarten (GPUs)
5.2.3 Tensor Prozessoren (TPUs)
5.2.4 Arbeitsspeicher (RAM)
5.2.5 Hauptspeicher
5.3 Wichtige Dateiformate für Self-Hosted KI-Modelle
5.4 Sicherheitsmechanismen und Guards
5.4.1 Angriffe
5.5 Retrieval-Augmented-Generation (RAG)
5.6 Textgeneration WebUI
5.6.1 Model Loader
5.6.2 Modell-Tweak Parameter
5.7 Monitoring
5.8 Quantisierung
5.8.1 Vor- und Nachteile

Classroom Training

Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!

Hybrid Training

Hybrid Training bedeutet, dass zusätzliche Online-Teilnehmer an einem Präsenzkurs teilnehmen können. Die Dynamik eines realen Kurses bleibt erhalten, wovon besonders auch die Online-Teilnehmer profitieren. Als Online-Teilnehmer eines Hybrid-Kurses nutzen Sie eine Collaboration-Plattform wie WebEx Training Center oder Saba Meeting. Dazu wird nur ein PC mit Browser und Internet-Anschluss benötigt, ein Headset und idealerweise eine Webcam. Im Kursraum setzen wir speziell entwickelte und angepasste hochwertige Audio- und Videotechnik ein. Sie sorgt dafür, dass die Kommunikation zwischen allen Beteiligten angenehm und störungsfrei funktioniert.

Online Training

Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.

Inhouse-Schulung

Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Inhouse-Schulung jetzt anfragen

PDF SymbolDie gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.