Cursusaanbod

Inleiding tot Open-Source LLMs

  • Overzicht van DeepSeek, Mistral, LLaMA, en andere open-source modellen
  • Hoe LLMs werken: Transformers, zelfattentie, en training
  • Vergelijking van open-source LLMs en proprietary modellen

Fine-Tuning en Aanpassing van LLMs

  • Data voorbereiding voor fine-tuning
  • Training en optimalisatie van LLMs met behulp van Hugging Face
  • Beoordeling van modelprestaties en vermindering van bias

Bouwen van AI-agents met LLMs

  • Inleiding tot LangChain voor AI-agent ontwikkeling
  • Ontwerp van agentgebaseerde workflows met LLMs
  • Geheugen, retrieval-augmented generation (RAG), en actie-uitvoering

Implementeren van LLM-gebaseerde AI-agents

  • Containeriseren van AI-agents met Docker
  • Integreer LLMs in bedrijfsapplicaties
  • Schaal AI-agents met clouddiensten en APIs

Beveiliging en naleving in bedrijfs-AI

  • Ethische overwegingen en naleving van regelgeving
  • Risico's verminderen in AI-gedreven automatisering
  • Monitoren en auditeren van AI-agentgedrag

Casestudies en praktische toepassingen

  • LLM-gebaseerde virtuele assistenten
  • AI-gedreven documentautomatisering
  • Maatwerk AI-agents voor bedrijfsanalyses

Optimaliseren en onderhouden van LLM-gebaseerde agents

  • Continu verbeteren en bijwerken van modellen
  • Implementeren van monitoring en feedbacklussen
  • Strategieën voor kostenoptimalisatie en prestatie-afstemming

Samenvatting en volgende stappen

Vereisten

  • Sterke kennis van AI en machine learning
  • Ervaring met Python-programmeren
  • Kennis van large language models (LLMs) en natural language processing (NLP)

Doelgroep

  • AI-engineers
  • Enterprise softwareontwikkelaars
  • Bedrijfsleiders
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Getuigenissen (1)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën