Until Conference starts: ✓ Upgrade to parallel conferences for $250 ✓ Team discount ✓ Access to devmio

Until Conference starts: ✓ Upgrade to parallel conferences for $250 ✓ Team discount ✓ Access to devmio

UNTIL OCTOBER 24: ✓ Save up to 315€ ✓ Devmio Fullstack Access ✓ Team Discount

UNTIL OCTOBER 24: ✓ Save up to 315€ ✓ Devmio Fullstack Access ✓ Team Discount

GenAI Service Design & Development
Intensivtraining

14. – 16. Oktober 2024 | München

Camp startet in:

Praxisorientiertes Training für die Entwicklung und Implementierung von realen Generative AI-Lösungen und ML-Modellen

Essenzielles Wissen und Tools zur Realisierung von KI-Lösungen und integration von Large Language Models (LLMs)

Erprobte Strategien und Tipps von ML-Experten für erfolgreiches GenAI Service Design Projekten

Zukunftssichere Kenntnisse für die Konzeption, Umsetzung und den Betrieb von Machine Learning Services mit MLops

Trainingsinhalte

Tag 1: Einführung in Python für Machine Learning
Für Teilnehmende gedacht, die ihre Grundlagen in Python für ML-Projekte stärken möchten

• Python 101: Wichtige Konzepte anhand von Beispielen.

• Top 10 ML Python Frameworks & Bibliotheken: Theorie & Praxis.

• Jupyter Notebook: Praktische Erfahrung mit der interaktiven IDE.

• Hello ML World: Implementierung von ML-Services.

Tag 2: Einführung in ML & GenAI

Konzentriert sich auf die Grundlagen und Anwendungen von ML und GenAI.

• ML-Landschaft: Interaktive Einführung und Modellanwendung für verschiedene Usecases.

• GenAI-Projekte: Architekturelle Bausteine und einfache Anwendungsfälle.

• Prompt-Engineering: Bedeutung und Implementierung.

• Modellintegration: Einbindung von proprietären und Open Source LLMs.

• Semantische Validierung: Guardrails für User-Input und Modell-Output.

• Enterprise-Integration: GenAI-Lösungen in Unternehmenssoftware einbinden.

• Unterschiede in GenAI-Projekten: Herausforderungen und Lösungen im Betrieb.

Tag 3: GenAI im Eigenbau
Hier geht es um die praktische Implementierung und Optimierung von GenAI-Systemen.

• RAG-Systeme: Einführung und einfache Implementierung.

• Chunking: Einfluss auf den ermittelten Kontext.

• Vektordatenbanken: Nutzung zur Kontextfindung.

• Systemoptimierungen: Anpassung an individuelle Anforderungen.

• Evaluation und Qualitätssicherung: Möglichkeiten für den produktiven Betrieb.

Mehr Infos zu Machine Learning erhalten?
Jetzt zum Newsletter anmelden:

8 Gründe für Ihre Teilnahme

1
GenAI Landschaft verstehen
2
GenAI Services von Grund auf entwickeln
3
Hands-On und Best Practices
4
Umsetzen von GenAI Projekte
5
Integration von LLMs
6
MLOps für Bereitstellung und Überwachung
7
Domänenspezifische Lösungen mit (RAG)
8
Praktische GenAI-Projektumsetzung

Für wen ist das Camp geeignet?

Trainer

Tim Wüllner

Tim Wüllner ist Enterprise-Entwickler der OPEN KNOWLEDGE GmbH in Oldenburg. Nach drei Jahren in der Wissenschaft im Bereich „Autonome Schifffahrt“ begeistert ihn nun die Umsetzung von Machine-Learning-Projekten innerhalb komplexer Webanwendungen.

Termine & Preise

Das Camp wird in deutscher Sprache abgehalten.

Was sie mitbringen sollten?

Grundkenntnisse in Python und Jupyter Notebooks, die am optionalen ersten Tag erlernt werden können.

Für wen ist das Camp geeignet?

Das Camp ist ideal für Softwareentwickler:innen und -achitek:innen, die sich für die Erstellung und Integration von ML- Lösungen und GenAI-Services interessieren und offen für neue Technologien und Best Practices im GenAI-Design und -Entwicklung sind.
Tag 1: Einführung in Python für Machine Learning

Für Teilnehmer:innen gedacht, die ihre Grundlagen in Python für ML-Projekte stärken möchten.

  • Python 101: Wichtige Konzepte anhand von Beispielen.
  • Top 10 ML Python Frameworks & Bibliotheken: Theorie & Praxis.
  • Jupyter Notebook: Praktische Erfahrung mit der interaktiven IDE.
  • Hello ML World: Implementierung von ML-Services.

Jetzt anmelden

Tag 2: Einführung in ML & GenAI

Konzentriert sich auf die Grundlagen und Anwendungen von ML und GenAI.

  • ML-Landschaft: Interaktive Einführung und Modellanwendung für verschiedene Usecases.
  • GenAI-Projekte: Architekturelle Bausteine und einfache Anwendungsfälle.
  • Prompt-Engineering: Bedeutung und Implementierung.
  • Modellintegration: Einbindung von proprietären und Open Source LLMs.
  • Semantische Validierung: Guardrails für User-Input und Modell-Output.
  • Enterprise-Integration: GenAI-Lösungen in Unternehmenssoftware einbinden.
  • Unterschiede in GenAI-Projekten: Herausforderungen und Lösungen im Betrieb.

Jetzt anmelden

Tag 3: GenAI im Eigenbau

Geht um die praktische Implementierung und Optimierung von GenAI-Systemen.

  • RAG-Systeme: Einführung und einfache Implementierung.
  • Chunking: Einfluss auf den ermittelten Kontext.
  • Vektordatenbanken: Nutzung zur Kontextfindung.
  • Systemoptimierungen: Anpassung an individuelle Anforderungen.
  • Evaluation und Qualitätssicherung: Möglichkeiten für den produktiven Betrieb.

Jetzt anmelden

DON'T MISS ANY ML CONFERENCE NEWS!

Become part of the
Machine Learning Revolution!