Large Language Models Advanced: Eigene LLMs und Tuning

Von RAG und Fine-Tuning bis Guardrails, Evaluation und produktionsnahen Deployments. Zu den Schwerpunkten gehören Eigene LLMs trainieren (Wie entsteht ein LLM?), Fine-Tuning und Alignment für eigene Use Cases, Evaluation, die Entscheidungen ermöglicht, Guardrails, Security und Compliance und Produktionsnahe Umsetzung.

Die Schulung richtet sich an Machine-Learning Engineers und Data Scientists mit LLM-Grundlagen, Softwareentwicklerinnen und Softwareentwickler, die LLM-Features produktiv bauen, AI Product Owner und Technical Leads mit Architekturverantwortung und Security- und Compliance-nahe Rollen, die LLM-Risiken bewerten sowie alle, die eigene LLM-Anwendungen zuverlässig testen, härten und betreiben wollen.

Du kennst die Grundlagen von LLMs, Prompting und typischen LLM-Workflows. Grundverständnis von Python oder API-basierten Integrationen ist hilfreich.

Zu den Schwerpunkten gehören Eigene LLMs trainieren (Wie entsteht ein LLM?), Fine-Tuning und Alignment für eigene Use Cases, Evaluation, die Entscheidungen ermöglicht, Guardrails, Security und Compliance und Produktionsnahe Umsetzung.

Die Inhalte werden bis zu konkreten Arbeitsschritten zu Evaluation, die Entscheidungen ermöglicht, Guardrails, Security und Compliance und Produktionsnahe Umsetzung geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.

Zu den angestrebten Ergebnissen gehören: Wenn Dein Prototyp mit LLMs schon Antworten liefert, beginnt die eigentliche Arbeit: Qualität stabilisieren, Risiken reduzieren und Kosten beherrschbar machen; Genau darum geht es in diesem Advanced-Kurs; Du arbeitest entlang eines durchgängigen Workflows: Use Case sauber formulieren, Datenstrategie festlegen, RAG oder Fine-Tuning auswählen, messen, härten, deployen; Im RAG-Teil entwickelst Du eine Retrieval-Strategie, die nicht nur „irgendwas findet“, sondern reproduzierbar die richtigen Quellen liefert; Du vergleichst Chunking-Varianten, Embedding-Modelle, Hybrid Search und Reranking und lernst, wie Du Kontextfenster und Quellenzitate so nutzt,.

Ja. „Evaluation, die Entscheidungen ermöglicht“ ist ein eigener Bestandteil der Schulung. Dazu gehören Offline-Eval: Golden Sets, Rubrics, Paarvergleiche, LLM-as-a-Judge: Risiken, Kalibrierung, Bias und Online-Eval: A/B, Canary, Feedback-Loops.