GLM-5.1: Open Source LLM produktiv nutzen

Von Setup bis Governance: GLM-5.1 sicher betreiben, evaluieren und in Workflows integrieren. Zu den Schwerpunkten gehören GLM-5.1 verstehen und einordnen, Setup, Inference und Performance, Prompting, Systemprompts und Output-Kontrolle, RAG mit eigenen Daten, Evaluation, Sicherheit und Compliance und Integration in Prozesse und Produkte.

Die Schulung richtet sich an Machine-Learning Engineers und AI Engineers, Softwareentwicklerinnen und Softwareentwickler mit Integrationsaufgaben, IT-Architektinnen und IT-Architekten, die LLM-Betrieb planen, IT-Security- und Compliance-Verantwortliche mit GenAI-Bezug und Alle, die GLM-5.1 als Open Source LLM kontrolliert in Produkte oder interne Workflows bringen wollen.

Grundverständnis von APIs und Webservices sowie sicherer Umgang mit Kommandozeile-Konzepten. Grundkenntnisse zu LLMs sind hilfreich, aber nicht zwingend.

Zu den Schwerpunkten gehören GLM-5.1 verstehen und einordnen, Setup, Inference und Performance, Prompting, Systemprompts und Output-Kontrolle, RAG mit eigenen Daten, Evaluation, Sicherheit und Compliance und Integration in Prozesse und Produkte.

Die Inhalte werden bis zu konkreten Arbeitsschritten zu RAG mit eigenen Daten, Evaluation, Sicherheit und Compliance und Integration in Prozesse und Produkte geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.

Zu den angestrebten Ergebnissen gehören: Dieses Seminar ist für Dich, wenn Du GLM-5 nicht nur ausprobieren, sondern als Open Source LLM kontrolliert in eine Organisation bringen willst; Du startest mit einem klaren Bild der Modellfamilie: Stärken, Schwächen, typische Fehlerbilder und die Frage, wann GLM-5 eine sinnvolle Alternative zu proprietären APIs ist; Danach setzt Du eine Inference-Umgebung auf und lernst, welche Deployment-Optionen in der Praxis funktionieren, von lokal bis Private Cloud; Du bekommst ein Gefühl für Performance-Tuning, ohne Dich in Details zu verlieren: Welche Parameter beeinflussen Latenz und Throughput,; Damit GLM-5 in Anwendungen zuverlässig arbeitet, übst Du Prompting mit Systemprompts, Regeln und Formatvorgaben.

Ja. „RAG mit eigenen Daten“ ist ein eigener Bestandteil der Schulung. Dazu gehören Dokument-Pipeline: Chunking, Metadaten, Versionierung, Embeddings, Vektorsuche, Re-Ranking Grundlagen und Antwortqualität messen: Retrieval- und Answer-Metriken.