Storage Training

Storage Training
Kontakt | Standorte

 Sie sind hier: Home >> Workshops >> Künstliche Intelligenz >> AI255 Einführung in Large Language Models und ihre Integration

Finden:
Workshops 
  Automic (UC4) 
  AWS 
  Backup & Recovery 
  Brocade 
  Cloud 
  Commvault 
  Datenbanken 
  DevOps 
  Fujitsu 
  Governance, Risk & Compliance  
  Hochverfügbarkeit 
  Industrie 4.0 
  Künstliche Intelligenz 
  Linux/Unix 
  Microsoft 
  NetApp 
  NetApp für Partner 
  Netzwerke 
  SAP 
  Security & Datenschutz 
  Softwareentwicklung 
  Storage Solutions 
  Veeam 
  Virtualisierung 
  Web-Seminare 
  Zertifizierungen 

Training: Künstliche Intelligenz

AI255 Einführung in Large Language Models und ihre Integration

 

Kursbeschreibung (description):
Der Workshop vermittelt die Grundlagen zu Large Language Models, deren Funktionsweise mit Tokens, Kontext und Wissen sowie die Integration in eigene Anwendungen. Behandelt werden Prompt Engineering, Nutzung relevanter Daten, Embeddings, Vektordatenbanken und API-Anbindungen verschiedener Anbieter. Teilnehmende lernen, Ausgaben korrekt in ihre Applikationen zu integrieren.
Zielgruppe (target group):
  • Systemarchitekten
  • Entwickler
  • IT-Fachkräfte

Voraussetzungen (requirements):

Ziele (objectives):
Integration großer Sprachmodelle, Einsatz von Embeddings und Vektordatenbanken, effektive Nutzung von Prompts, API-Integration verschiedener LLM-Anbieter.
Preis und Dauer (price and duration):
Dauer (duration): 2 Tage
Schulungslänge (course length): 09:00 Stunden (inkl. Pausen) verteilt auf 2 aufeinanderfolgende Tage
Preis (price): 850,- Euro zzgl. MwSt.
Gerne führen wir dieses Training auch inhouse bei Ihnen vor Ort durch, bitte sprechen Sie uns an.

Eine Druckansicht dieses Workshops finden Sie hier.
Termine (dates):
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
Inhalte (agenda):
  • Einführung in Large Language Models (LLMs)

  • Funktionsweise von LLMs: sequenzielle Generierung, Tokens, Kontext, implizites und explizites Wissen

  • Grundlagen des Prompt Engineerings

  • Einführung in Embeddings als zentraler Baustein

  • Techniken von Knowledge Injection und Einführung in Vektordatenbanken

  • Vorstellung verschiedener LLM-Anbieter und Integration via API

  • Viele Praktische Übungen zur Anwendung der erlernten Konzepte

  • Abschlussdiskussion: Wie lässt sich das Gelernte im eigenen Kontext anwenden?