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