Generative AI für Fortgeschrittene - GAIF - SMART TRAINIEREN. SICHER KÖNNEN.

Generative AI für Fortgeschrittene – GAIF

Dieser Training baut auf den Grundlagen von Generative AI für Einsteiger*innen auf und führt in fortgeschrittene Themen ein, darunter Fine-Tuning von LLMs, AI-Agenten-Frameworks, Retrieval Augmented Generation (RAG) und die Verwendung von Open-Source-Modellen. Die Teilnehmer*innen lernen, wie man LLMs feinjustiert, Suchanwendungen erweitert und Generative AI-Anwendungen in großem Maßstab verwaltet. Praktische Übungen und Code-Beispiele in Python und TypeScript sind ebenfalls enthalten. Der Generative AI für Fortgeschrittene vertieft die Inhalte von Generative AI für Einsteiger und bietet eine praxisorientierte Einführung in fortgeschrittene Konzepte wie RAG, AI-Agenten und Fine-Tuning.

Physisch oder virtuell?

Nehmen Sie an einem unserer Standorte Frankfurt, München und Wien oder virtuell an unseren Klassenraumtrainings teil. Unter „Termin buchen“ werden Ihnen alle Optionen angezeigt, zuerst sortiert nach Standort, dann nach Datum.

Dauer

Trainingssprache

Deutsch

Trainingsart

brainyCLASS (offen)

Was werden Sie in diesem Training erlernen?

Die Teilnehmerinnen erwerben vertiefte Kenntnisse in der Anwendung und Optimierung von Generative AI, insbesondere in Bezug auf fortgeschrittene Techniken wie das Fine-Tuning von LLMs, die Entwicklung von AI-Agenten und die Implementierung von Retrieval Augmented Generation (RAG). Sie lernen, wie man LLMs für spezifische Anwendungsfälle anpasst, Open-Source-Modelle integriert, und groß angelegte Generative AI-Anwendungen verwaltet. Durch praxisorientierte Übungen in Python und TypeScript werden die Teilnehmerinnen befähigt, komplexe Modelle effektiv zu steuern, zu erweitern und zu skalieren.

Agenda

Fortgeschrittenes Prompt Engineering

Anwendung fortgeschrittener Prompt-Techniken für komplexe Modelle.

Quellen: System Message Framework, Prompt Techniques

Fine-Tuning von LLMs

Wie man LLMs für spezifische Anwendungsfälle anpasst und feinjustiert.

Quellen: Azure OpenAI Fine-Tuning, Hugging Face Integration

Retrieval Augmented Generation (RAG)

Entwicklung von Anwendungen mit RAG zur Einbettung von Abfragen in Vektor-Datenbanken.

Quellen: RAG with Azure OpenAI

AI-Agenten-Framework

Einführung in das AI-Agenten-Framework zur Entwicklung von mehrstufigen AI-Agenten-Lösungen.

Quellen: AutoGen Framework, Semantic Kernel

Open-Source-Modelle

Verwendung und Integration von Open-Source-Modellen wie Llama 2 und anderen über Hugging Face.

Quellen: Open Source Models, Llama 2 Deployment

Function Calling in AI-Anwendungen

Erweiterte Nutzung von Function Calling und seine Anwendungsfälle.

Quellen: Azure OpenAI Function Calling

LLM-Lifecycle-Management (LLMOps)

Tools und Metriken zur Verwaltung und Überwachung des gesamten Lebenszyklus eines LLM.

Quellen: LLMOps with Azure, GitHub Integration

REVIEWING ARCHITECTING CONCEPTS

SINGLE TO MULTIPLE ACCOUNTS

Group Exercise: Review Architecting on AWS core best practices
AWS Organizations for multi-account access and permissions
AWS SSO to simplify access and authentication across AWS accounts and third-party services
AWS Control Tower
Permissions, access, and authentication

HYBRID CONNECTIVITY

SPECIALIZED INFRASTRUCTURE

Zielgruppe

Dieses Training richtet sich an Entwickler*innen, die bereits Grundkenntnisse in Generative AI besitzen und fortgeschrittene Techniken zur Erstellung und Optimierung von KI-Anwendungen erlernen möchten.

Voraussetzung für den Kurs

• Teilnahme am Generative AI für Einsteiger oder gleichwertige Kenntnisse • Erfahrung mit Python, API-Integration, und Grundkenntnisse in Generative AI

Partner

Microsoft Office