-
Sprachmodelle wie ChatGPT, Gemini, Claude oder Qwen haben sich in vielen Bereichen wie Prozessautomatisierung als sehr leistungsfähig erwiesen. Doch die Qualität der Ergebnisse ist maßgeblich von der Art der Anbindung und der Anpassung des Modells abhängig.
Diese KI-Schulung widmet sich den Fragestellungen, wie KI-Modelle in Prozesse eingebunden und an firmeneigene Schnittstellen angebunden werden können. Und wie ein vorhandenes Sprachmodell für die eigenen Prozesse angepasst und verbessert werden kann.
In diesem KI-Training werden Sie anhand zahlreicher Beispiele und Hands-on-Übungen lernen, KI-Prozesse über eine API zu nutzen, oder ein Sprachmodell mithilfe von Tool Usage in einen Agenten mit neuen Fähigkeiten zu verwandeln. Außerdem werden Sie verstehen, ein Sprachmodell auf die spezifischen Aufgabenbereiche in Ihrem Unternehmen durch Finetuning zu spezialisieren.
-
Kursinhalt
-
- Hands-on-Erfahrung mit KI- und ML-Modellen
- Einblick in das Training von KI
- Modell Finetuning
- Erstellung von KI-Agenten
- Anbindung eines Sprachmodells über API
- Grundlagen zu lokalen KI-Modellen
- Überblick der Fähigkeiten verschiedener KIs
Das ausführliche deutschsprachige digitale Unterlagenpaket, bestehend aus PDF und E-Book, ist im Kurspreis enthalten.
Premium Kursunterlagen
Zusätzlich zu dem digitalen Unterlagenpaket steht Ihnen auch das exklusive Premium Print Paket zur Verfügung:
- Hochwertige Farbausdrucke der ExperTeach Kursunterlagen
- Exklusiver Ordner in edlem Design
- Dokumententasche in Backpack-Form
- Eleganter LAMY Kugelschreiber
- Praktischer Notizblock
Das Premium Print Paket kann für € 150,- zzgl. MwSt. im Bestellprozess hinzugefügt werden (nur bei Präsenzteilnahme).
-
Zielgruppe
-
Dieser Kurs richtet sich an Programmierer und Softwareentwickler, also an „Umsetzer“, die KI in ihren Projekten nutzen möchten.
-
Voraussetzungen
-
Das Wissen, welches in den Kursen KI-Tools und LLMs erfolgreich einsetzen – ChatGPT, Gemini, Claude & Co. und Machine Learning – Data Science und künstliche Intelligenz vermittelt wird, schafft eine gute Basis für den Kursbesuch.
Programmierkenntnisse in Python sind notwendig, um den Übungen und Beispielen folgen zu können. Diese können in unseren Python-Kursen wie Python für Einsteiger – Einführung in die Programmierung oder Python für Programmierer – Grundlagen für den schnellen Umstieg erworben werden.
-
Kursziel
-
In diesem KI-Kurs erlernen Sie die richtige Einbindung von KI in ihre Prozesse über API. Sie erlangen ein Verständnis für den Prozess des Finetunings, indem ein Sprachmodell für verschiedene Aufgaben spezialisiert wird. Sie werden so anschließend in der Lage sein, einen KI-Agenten mit eigenen Tools zu erzeugen.
-
Ergänzende und aufbauende Kurse
-
Der Kurs KI-Programmierung für Experten – Finetuning, RAG-Pipelines & Multi-Agent-Systeme bietet einen weiterführenden, tieferen Einblick in die Möglichkeiten des Finetunings sowie der Dokumentenanbindung mit Retrieval Augmented Generation (RAG) und der Möglichkeit, Multi-Agenten-Systeme zu erstellen.
| 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.
Die gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.-
Sprachmodelle wie ChatGPT, Gemini, Claude oder Qwen haben sich in vielen Bereichen wie Prozessautomatisierung als sehr leistungsfähig erwiesen. Doch die Qualität der Ergebnisse ist maßgeblich von der Art der Anbindung und der Anpassung des Modells abhängig.
Diese KI-Schulung widmet sich den Fragestellungen, wie KI-Modelle in Prozesse eingebunden und an firmeneigene Schnittstellen angebunden werden können. Und wie ein vorhandenes Sprachmodell für die eigenen Prozesse angepasst und verbessert werden kann.
In diesem KI-Training werden Sie anhand zahlreicher Beispiele und Hands-on-Übungen lernen, KI-Prozesse über eine API zu nutzen, oder ein Sprachmodell mithilfe von Tool Usage in einen Agenten mit neuen Fähigkeiten zu verwandeln. Außerdem werden Sie verstehen, ein Sprachmodell auf die spezifischen Aufgabenbereiche in Ihrem Unternehmen durch Finetuning zu spezialisieren.
-
Kursinhalt
-
- Hands-on-Erfahrung mit KI- und ML-Modellen
- Einblick in das Training von KI
- Modell Finetuning
- Erstellung von KI-Agenten
- Anbindung eines Sprachmodells über API
- Grundlagen zu lokalen KI-Modellen
- Überblick der Fähigkeiten verschiedener KIs
Das ausführliche deutschsprachige digitale Unterlagenpaket, bestehend aus PDF und E-Book, ist im Kurspreis enthalten.
Premium Kursunterlagen
Zusätzlich zu dem digitalen Unterlagenpaket steht Ihnen auch das exklusive Premium Print Paket zur Verfügung:
- Hochwertige Farbausdrucke der ExperTeach Kursunterlagen
- Exklusiver Ordner in edlem Design
- Dokumententasche in Backpack-Form
- Eleganter LAMY Kugelschreiber
- Praktischer Notizblock
Das Premium Print Paket kann für € 150,- zzgl. MwSt. im Bestellprozess hinzugefügt werden (nur bei Präsenzteilnahme).
-
Zielgruppe
-
Dieser Kurs richtet sich an Programmierer und Softwareentwickler, also an „Umsetzer“, die KI in ihren Projekten nutzen möchten.
-
Voraussetzungen
-
Das Wissen, welches in den Kursen KI-Tools und LLMs erfolgreich einsetzen – ChatGPT, Gemini, Claude & Co. und Machine Learning – Data Science und künstliche Intelligenz vermittelt wird, schafft eine gute Basis für den Kursbesuch.
Programmierkenntnisse in Python sind notwendig, um den Übungen und Beispielen folgen zu können. Diese können in unseren Python-Kursen wie Python für Einsteiger – Einführung in die Programmierung oder Python für Programmierer – Grundlagen für den schnellen Umstieg erworben werden.
-
Kursziel
-
In diesem KI-Kurs erlernen Sie die richtige Einbindung von KI in ihre Prozesse über API. Sie erlangen ein Verständnis für den Prozess des Finetunings, indem ein Sprachmodell für verschiedene Aufgaben spezialisiert wird. Sie werden so anschließend in der Lage sein, einen KI-Agenten mit eigenen Tools zu erzeugen.
-
Ergänzende und aufbauende Kurse
-
Der Kurs KI-Programmierung für Experten – Finetuning, RAG-Pipelines & Multi-Agent-Systeme bietet einen weiterführenden, tieferen Einblick in die Möglichkeiten des Finetunings sowie der Dokumentenanbindung mit Retrieval Augmented Generation (RAG) und der Möglichkeit, Multi-Agenten-Systeme zu erstellen.
| 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.
Die gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.
Mit der nächsten Buchung ein Garantietermin
Classroom Training
Hybrid Training (Classroom + Online kombiniert)