StartseiteKurseGrundlagen der LLMs mit Python

Eine Pipeline zur Textzusammenfassung aufbauen

Kapitel 2 · Large Language Models (LLM) kennenlernen · Lektion 3 von 36
Nur für Abonnenten — hier ist der Anfang
Der weitere Verlauf dieser Lektion ist Abonnenten vorbehalten Erstellen Sie Ihr kostenloses Konto, um die Beispielübungen zu testen, und wechseln Sie dann jederzeit zum vollständigen Zugang.

Erstellen Sie Ihr kostenloses Konto

Ohne Kreditkarte, in dreißig Sekunden.
Mit Google fortfahren
oder
Mit E-Mail registrieren
Schon registriert? Anmelden
Mit der Fortsetzung akzeptieren Sie die Nutzungsbedingungen und die Datenschutzrichtlinie. Ihre Daten werden in der Europäischen Union gehostet.

DATAGOZ Vollzugang

19 €/ Monat — oder 190 € / Jahr
  • Alle veröffentlichten Kurse und Berufspfade
  • Übungen und Quizze mit automatischer Korrektur
  • Training, Prüfung und Teilnahmebescheinigung
  • Ohne Verpflichtung, online kündbar
Tarife ansehen
Diese Lektion gehört zum Kurs

Grundlagen der LLMs mit Python

short_training5 Kapitel · 36 Lektionen

Lernen Sie die Grundlagen von LLMs mit Python kennen.

  • Die SchulungsplattformAbonnenten
  • Einführung in große Sprachmodelle (LLMs)Teilnehmer
  • Eine Pipeline zur Textzusammenfassung aufbauenSie sind hier
  • Generierte Antworten bereinigen und verbessernTeilnehmer
  • Vortrainierte LLMs nutzenTeilnehmer
  • Text mit einem Sprachmodell generierenTeilnehmer
  • Text mit einem LLM übersetzenTeilnehmer
  • Die Transformer-Architektur kennenlernenAbonnenten
  • Die Komponenten eines Transformers identifizierenTeilnehmer
  • Eine passende Modellarchitektur auswählenTeilnehmer
  • Ein Modell für das Feintuning vorbereitenTeilnehmer
  • Texttokenisierung verstehen und anwendenTeilnehmer
  • Tokenisierungsprozess visualisierenAbonnenten
  • Ein LLM durch Training anpassenAbonnenten
  • Trainingsparameter festlegenAbonnenten
  • Die Parameter des Trainingsprozesses konfigurierenAbonnenten
  • Ein Modell nach dem Feintuning nutzenAbonnenten
  • Die verschiedenen Feintuning-Methoden kennenlernenAbonnenten
  • Transfer Learning mit der One-Shot-Methode anwendenAbonnenten
  • Transfer-Learning-Ansätze vergleichenAbonnenten
  • Bewertungswerkzeuge für LLMs kennenlernenAbonnenten
  • Bewertungsmetriken mit Python ladenAbonnenten
  • Die wichtigsten Leistungsindikatoren verstehenAbonnenten
  • Metriken zur Messung der Ergebnisse anwendenAbonnenten
  • Sprachaufgaben mit Perplexität und BLEU bewertenAbonnenten
  • Die Perplexität von Sprachmodellen messenAbonnenten
  • Die Qualität von Übersetzungen mit BLEU bewertenAbonnenten
  • ROUGE-, METEOR- und Exact-Match-Metriken kennenlernenAbonnenten
  • Die Qualität generierter Texte mit ROUGE messenAbonnenten
  • Ergebnisse mit der METEOR-Metrik bewertenAbonnenten
  • Die Richtigkeit von Antworten mit Exact Match überprüfenAbonnenten
  • Die Sicherheit von LLMs stärkenAbonnenten
  • Generierte toxische Inhalte erkennenAbonnenten
  • Die Relevanz und Qualität der Antworten bewertenAbonnenten
  • Die erworbenen Kompetenzen überprüfenAbonnenten
  • Abschluss der SchulungAbonnenten
Nächste Lektion

Generierte Antworten bereinigen und verbessern

Programm anzeigen Konto erstellen, um fortzufahren