Die Nachfrage nach technischen generativen KI-Fähigkeiten (GenAI) steigt, und Unternehmen suchen aktiv nach KI-Ingenieuren, die mit großen Sprachmodellen (LLMs) arbeiten können. Dieser IBM Kurs wurde entwickelt, um arbeitsplatztaugliche Fähigkeiten aufzubauen, die Ihre KI-Karriere beschleunigen können. In diesem Kurs werden Sie Transformatoren und wichtige Modell-Frameworks und -Plattformen, einschließlich Hugging Face und PyTorch, kennenlernen. Sie beginnen mit einem grundlegenden Framework zur Optimierung von LLMs und gehen schnell zur Feinabstimmung generativer KI-Modelle über. Sie lernen auch fortgeschrittene Techniken wie parametereffizientes Feintuning (PEFT), Low-Rank-Adaption (LoRA), quantisiertes LoRA (QLoRA) und Prompting kennen. Die praktischen Übungen vermitteln Ihnen wertvolle, praktische Erfahrungen, einschließlich des Ladens, Vortrainings und Feintunings von Modellen unter Verwendung von Industriestandard-Tools. Wenn Sie bereit sind, Ihre KI-Karriere auf die nächste Stufe zu heben und Ihren Lebenslauf mit den gefragten Gen-KI-Kompetenzen zu stärken, melden Sie sich noch heute an und beginnen Sie, Ihre neuen Fähigkeiten in nur einer Woche anzuwenden!
Generative KI-Technik und Feinabstimmung von Transformatoren
Dieser Kurs ist Teil mehrerer Programme.
Unterrichtet in Deutsch (KI-Synchronisation)
Dozenten: Joseph Santarcangelo
8.584 bereits angemeldet
Bei 
enthalten
(62 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Gefragte, arbeitsplatzreife Fähigkeiten, die Unternehmen für die Arbeit mit transformatorbasierten LLMs in generativer KI-Technik benötigen
Wie man eine parameter-effiziente Feinabstimmung (PEFT) mit Methoden wie LoRA und QLoRA durchführt, um das Modelltraining zu optimieren
Verwendung von vortrainierten Transformationsmodellen für Sprachaufgaben und deren Feinabstimmung für spezifische nachgelagerte Anwendungen
Laden von Modellen, Ausführen von Inferenzen und Trainieren von Modellen mit den Frameworks Hugging Face und PyTorch
Kompetenzen, die Sie erwerben
- Kategorie: Verarbeitung natürlicher Sprache
- Kategorie: Deep Learning
- Kategorie: Generative KI
- Kategorie: Leistungsoptimierung
- Kategorie: Prompt Engineering
- Kategorie: PyTorch (Bibliothek für Maschinelles Lernen)
- Kategorie: Modellierung großer Sprachen
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
4 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 2 Module
In diesem Modul befassen Sie sich mit den praktischen Aspekten der Arbeit mit großen Sprachmodellen (LLMs) unter Verwendung von Industriestandard-Tools wie Hugging Face und PyTorch. Sie werden die Unterschiede zwischen diesen Frameworks erforschen, lernen, wie man mit vortrainierten Modellen lädt und Inferenzen durchführt, und verstehen die Prozesse des Vortrainings und der Feinabstimmung von LLMs. In praktischen Übungen werden Sie Erfahrungen mit der Implementierung dieser Techniken sammeln und so Ihre Fähigkeit verbessern, generative KI-Modelle für verschiedene Anwendungen zu entwickeln und zu optimieren. Am Ende dieses Moduls sind Sie in der Lage, LLMs effektiv zu nutzen und zu optimieren, indem Sie sie auf spezifische Aufgaben und Leistungsanforderungen abstimmen.
Das ist alles enthalten
5 Videos4 Lektüren2 Aufgaben4 App-Elemente
In diesem Modul werden Sie modernste Methoden zur Feinabstimmung großer Sprachmodelle mit Hilfe von parameter-effizienten Feinabstimmungsmethoden (PEFT) kennenlernen. Sie werden ein Verständnis von Adaptern, Low-Rank-Adaption (LoRA) und Quantisierung erlangen, zusammen mit praktischen Anwendungen von PyTorch und Hugging Face Bibliotheken. Die praktischen Übungen und Lektüren vertiefen Ihr Wissen über Soft Prompts, quantisiertes LoRA (QLoRA) und Schlüsselterminologie. Außerdem haben Sie Zugang zu einem kurzen Spickzettel und einem Glossar, die die wichtigsten Techniken, Begriffe und Werkzeuge, die im Kurs vorgestellt werden, vertiefen.
Das ist alles enthalten
4 Videos5 Lektüren2 Aufgaben2 App-Elemente4 Plug-ins
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
von
Mehr von Maschinelles Lernen entdecken
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: KostenlosAmazon Web Services
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
62 Bewertungen
- 5 stars
79,68 %
- 4 stars
9,37 %
- 3 stars
4,68 %
- 2 stars
4,68 %
- 1 star
1,56 %
Zeigt 3 von 62 an
Geprüft am 17. Jan. 2025
The labs all too often failed on environment issues - packages, version alignment, etc. This should be seamless in your controlled environment.
Geprüft am 17. Nov. 2024
The coding part in the labs provided in this course was very helpful and helped me to stabilize my learning.
Geprüft am 2. Jan. 2025
The course is good but lacks depth on complex subjects.
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Kurs dauert etwa 8 Stunden, so dass Sie innerhalb von nur einer Woche über die Fähigkeiten verfügen, die Sie brauchen, um einen Arbeitgeber zu beeindrucken!
Dieser Kurs ist auf mittlerem Niveau angesiedelt. Um den größtmöglichen Lernerfolg zu erzielen, müssen Sie über Grundkenntnisse in Python, PyTorch und der Transformer-Architektur verfügen. Sie sollten auch mit Konzepten des maschinellen Lernens und neuronaler Netze vertraut sein.
Dieser Kurs ist Teil der Generative AI Engineering mit LLMs Spezialisierung. Wenn Sie die Spezialisierung abschließen, werden Sie die Fähigkeiten und das Selbstvertrauen haben, um Job-Rollen wie KI-Ingenieur, NLP-Ingenieur, Ingenieur für maschinelles Lernen, Deep-Learning-Ingenieur, Datenwissenschaftler oder Software-Entwickler zu übernehmen, die sich bewerben wollen, um mit LLMs zu arbeiten.
Weitere Fragen
Finanzielle Unterstützung verfügbar,