Zum Hauptinhalt springen Zur Suche springen Zur Hauptnavigation springen

Praxiseinstieg Large Language Models

39,90 €

Diese Auswahl steht nicht zur Verfügung

Format auswählen

  • Überblick über zentrale Konzepte und Techniken von LLMs wie z.B. ChatGPT und Potenzial von Open-Source- und Closed-Source-Modellen
  • Funktionsweise von Large Language Models und ihre Nutzung für Aufgaben des Natural Language Processing (NLP) 
  • Auch für interessierte Nicht-Data-Scientists mit Python-Kenntnissen verständlich
  • Themen z.B.: die ChatGPT-API, Prompt-Engineering, Chatbot-Personas, Cloud-Bereitstellung; deckt auch GPT-4 ab
  • Im heise shop in gedruckter Fassung und als E-Book erhältlich

Produktgalerie überspringen

Das könnte Sie auch interessieren:

Produktbild für c't KI-Wissen 2025
c't KI-Wissen 2025

Warum DeepSeek effizienter ist | Neue Ideen mit KI umsetzen | KI-Überwachung | KI macht's möglich: Sprachen lernen, Bienen retten u.v.m.

Regulärer Preis: 12,99 €
Produktbild für Machine Learning mit Python – Teil 1: Grundlagen
Machine Learning mit Python – Teil 1: Grundlagen

Machine Learning ist eine der wichtigsten Technologien zur Datenverarbeitung und in vielen Branchen nicht wegzudenken. In diesem ersten Kurs der Serie „Machine Learning mit Python“ vermittelt Ihnen der Online-Dozent Ilyas Tachakor Schritt für Schritt die wichtigsten Grundlagen. Der Kurs bietet eine praxisorientierte Einführung in zentrale Begriffe und Ansätze wie Regression, Klassifikation, überwachtes Lernen und unüberwachtes Lernen. Sie lernen, wie Sie mit Python ML-Modelle entwickeln und je nach Anwendungsfall das richtige Modell auswählen. Mit Übungsaufgaben und einem Praxisprojekt können Sie das Gelernte direkt anwenden. Dieser Kurs bildet den idealen Einstieg in die Welt des maschinellen Lernens und legt den Grundstein für die weiteren Kurse der Serie „Machine Learning mit Python“: Machine Learning mit Python – Teil 1: GrundlagenMachine Learning mit Python – Teil 2: RegressionMachine Learning mit Python – Teil 3: KlassifikationMachine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering Länge: 02:34 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Einführung Kapitelüberblick Grundbegriffe Ordnerstruktur und Einführung in Google Colab Quiz: Einführung Erste Schritte mit Python Kapitelüberblick Variablen und bedingte Anweisungen Praxisaufgabe 1 - Vorlage Praxisaufgabe 1 - Lösung Datentypen und Schleifen Praxisaufgabe 2 - Vorlage Praxisaufgabe 2 - Lösung Funktionen Praxisaufgabe 3 - Vorlage Praxisaufgabe 3 - Lösung Funktionen mit Rückgabewert und Bibliotheken Weitere Bibliotheken (Pandas/Seaborn) Praxisaufgabe 4 - Vorlage Praxisaufgabe 4 - Lösung Quiz: Erste Schritte mit Python Trainiere deine ersten KI-Modelle Kapitelüberblick Lineare Regression Lineare Regression in Python Entscheidungsbäume Entscheidungsbaum in Python (Optional) Mathematische Vertiefung – Methode der kleinsten Quadrate (Optional) Mathematische Vertiefung – Gini-Unreinheit Quiz: Trainiere deine ersten KI-Modelle Projekt – Kundenkaufverhalten und Unternehmensgewinne vorhersagen Kapitelüberblick Projektvorlage in Python Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer:Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.

Regulärer Preis: 95,00 €

Produktinformationen "Praxiseinstieg Large Language Models"

Praxiseinstieg Large Language Models - Strategien und Best Practices für den Einsatz von ChatGPT und anderen LLMs, erscheint am 16.05.2024

Large Language Models (LLMs) wie ChatGPT sind enorm leistungsfähig, aber auch sehr komplex. Praktikerinnen und Praktiker stehen daher vor vielfältigen Herausforderungen, wenn sie LLMs in ihre eigenen Anwendungen integrieren wollen. In dieser Einführung räumt Data Scientist und KI-Unternehmer Sinan Ozdemir diese Hürden aus dem Weg und bietet einen Leitfaden für den Einsatz von LLMs zur Lösung praktischer Probleme des Natural Language Processings.

Sinan Ozdemir hat alles zusammengestellt, was Sie für den Einstieg benötigen: Schritt-für-Schritt-Anleitungen, Best Practices, Fallstudien aus der Praxis, Übungen und vieles mehr. Er stellt die Funktionsweise von LLMs vor und unterstützt Sie so dabei, das für Ihre Anwendung passende Modell und geeignete Datenformate und Parameter auszuwählen. Dabei zeigt er das Potenzial sowohl von Closed-Source- als auch von Open-Source-LLMs wie GPT-3, GPT-4 und ChatGPT, BERT und T5, GPT-J und GPT-Neo, Cohere sowie BART.

  • Lernen Sie die Schlüsselkonzepte kennen: Transfer Learning, Feintuning, Attention, Embeddings, Tokenisierung und mehr
  • Nutzen Sie APIs und Python, um LLMs an Ihre Anforderungen anzupassen
  • Beherrschen Sie Prompt-Engineering-Techniken wie Ausgabe-Strukturierung, Gedankenketten und Few-Shot-Prompting
  • Passen Sie LLM-Embeddings an, um eine Empfehlungsengine mit eigenen Benutzerdaten neu zu erstellen
  • Konstruieren Sie multimodale Transformer-Architekturen mithilfe von Open-Source-LLMs
  • Optimieren Sie LLMs mit Reinforcement Learning from Human and AI Feedback (RLHF/RLAIF)
  • Deployen Sie Prompts und benutzerdefinierte, feingetunte LLMs in die Cloud

Artikel-Details

Anbieter:
O'Reilly
Autor:
Sinan Ozdemir
Artikelnummer:
9783960092407
Veröffentlicht:
16.05.24
Seitenanzahl:
274