Cursusaanbod

Introductie tot open-source LLM's

  • Overzicht van DeepSeek, Mistral, LLaMA en andere open-source modellen
  • Hoe LLM's werken: Transformers, zelfattentie en training
  • Open-source LLM's vergelijken met proprietaire modellen

Fine-Tuning en het aanpassen van LLM's

  • Gegevensvoorbereiding voor fine-tuning
  • LLM's trainen en optimaliseren met behulp van Hugging Face
  • De modelprestaties evalueren en bias-mitigation

Prijs AI Agents bouwen met LLM's

  • Introductie tot LangChain voor AI-agentontwikkeling
  • Agentgebaseerde workflows ontwerpen met LLM's
  • Geheugen, retrieval-augmented generation (RAG) en actie-uitvoering

LLM-gebaseerde AI Agents implementeren

  • AI-agents containeriseren met Docker
  • LLM's integreren in bedrijfsapplicaties
  • AI-agents schalen met cloudservices en API's

Beveiliging en compliantie in Enterprise AI

  • Ethische overwegingen en naleving van voorschriften
  • Risico's in AI-gestuurde automatisering beperken
  • Het gedrag van AI-agenten monitoren en auditen

Case studies en real-world toepassingen

  • Virtuele assistenten op basis van LLM's
  • AI-gestuurde documentautomatisering
  • Aangepaste AI-agenten voor enterprise analytics

LLM-gebaseerde agenten optimaliseren en onderhouden

  • Continue modelverbetering en -update
  • Monitoring en feedbackloops implementeren
  • Strategieën voor kostenoptimalisatie en prestatieafstemming

Samenvatting en conclusies

Vereisten

  • Sterk begrip van AI en machine learning
  • Ervaring met Python programmeren
  • Vertrouwdheid met grote taamodels (LLM's) en natuurlijke taalkunde (NLP)

Publiek

  • AI-engineers
  • Enterprise softwareontwikkelaars
  • Business leiders
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën