Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Deutsche Ausgabe

Feinabstimmung von OpenAI-Modellen

Bereiten Sie Ihre Daten vor, trainieren, evaluieren und deployen Sie ein feinabgestimmtes Modell für Ihre Unternehmensdomäne. Hinweis: Der OpenAI-Self-Service für die Feinabstimmung wird schrittweise eingestellt (keine Annahme neuer Aufträge nach dem 6. Januar 2027).

16 Lektionen ca. 1 h 45 min Fortgeschritten

Das lernen Sie

  • Entscheiden, ob eine Feinabstimmung im Vergleich zu Prompting oder Dokumentenabruf gerechtfertigt ist
  • Einen Trainingsdatensatz im konversationellen JSONL-Format vorbereiten, bereinigen und validieren
  • Das Training über die API starten und Epochen, Lernrate sowie Batch-Größe anpassen
  • Ein feinabgestimmtes Modell mithilfe von A/B-Tests und Geschäftskennzahlen gegen das Basismodell evaluieren
  • Ein feinabgestimmtes Modell deployen, versionieren und eine frühere Version wiederherstellen unter Kontrolle der Kosten

Kursübersicht

Zielgruppe
Entwickler, Ingenieure und Integratoren, die ChatGPT über die API in ihren Anwendungen nutzen möchten.
Voraussetzungen
Nachgewiesene Erfahrung in der Anwendungsentwicklung und dem Deployment in Produktionsumgebungen.
Dauer
1 h 45 min — 16 Lektionen
Modalitäten
100 % onlineer Selbstlernkurs, rund um die Uhr über den Browser zugänglich. Der Fortschritt wird gespeichert und kann jederzeit fortgesetzt werden. Geschätzte Dauer: 1 h 45 min.
Bewertung
Selbsteinschätzung basierend auf den wichtigsten Erkenntnissen am Ende jeder Lektion sowie direkte Praxis der Beispiele an eigenen Anwendungsfällen. Ein abschließendes Quiz mit 5 Fragen, dessen Antworten am Ende der letzten Lektion bereitgestellt werden, validiert das erworbene Wissen.
Barrierefreiheit
Selbstlernkurs, der für Menschen mit Behinderungen zugänglich ist: Textinhalte kompatibel mit Screenreadern, Tastaturnavigation und kontrastgerechte Darstellung. Bei Bedarf an Nachteilsausgleichen wenden Sie sich bitte per E-Mail an [email protected].
Preis
Kostenlos

Kursinhalt

  1. 01 Wann und warum ein Modell feinabgestimmt werden sollte
  2. 02 Vorbereitung Ihrer Trainingsdaten
  3. 03 Datumsformat: JSONL-Unterhaltungen
  4. 04 Datenqualität: Bereinigung und Validierung
  5. 05 Feinabstimmung über die API starten
  6. 06 Hyperparameter: Epochen, Lernrate, Batch-Größe
  7. 07 Training-Monitoring
  8. 08 DPO (Direct Preference Optimization)
  9. 09 Feintuning für Funktionsaufrufe
  10. 10 Ihr feinabgestimmtes Modell evaluieren
  11. 11 Vergleich mit dem Basismodell
  12. 12 A/B-Tests und Geschäftsmetriken
  13. 13 Iteration: Wann ein neues Fine-Tuning notwendig ist
  14. 14 Einen feinabgestimmten Modell bereitstellen
  15. 15 Kosten und Optimierung
  16. 16 Versionierung und Rollback