Der Schwerpunkt dieses Kurses liegt darin, die Lernenden mit den Fähigkeiten und dem Wissen auszustatten, um fortgeschrittene Lösungen für große Sprachmodelle (LLM) mit LLama2 zu entwerfen, zu entwickeln und zu optimieren. Zu den behandelten Themen gehören ein umfassendes Verständnis von LLM-Architekturen, Techniken zur Feinabstimmung von LLMs, Retrieval-Augmented Generation (RAG) und die Nutzung von Tools wie Ollama, LangChain, Streamlit und Hugging Face. Dieser Kurs wird für die Lernenden spannend sein, da er sich mit den neuesten Fortschritten in der KI befasst und praktische Erfahrungen mit modernsten Tools und Techniken bietet.

Ein wichtiges Highlight des Kurses ist der Aufbau von zwei verschiedenen Implementierungen einer Lösung, die das von Meta veröffentlichte LLama2-Paper nutzt und Q&A-Interaktionen mit der KI über das Paper ermöglicht. Dieses praktische Projekt bietet nicht nur praktische Erfahrung, sondern demonstriert auch die Vorteile der Verwendung von LLama2 für tiefes Verständnis und Wissensextraktion aus komplexen Dokumenten. Dieser Kurs richtet sich an Software-Ingenieure, Machine Learning Engineers, Data Scientists und Engineering Manager. Die Teilnehmer erhalten Einblicke in die Nutzung von Llama2 für fortgeschrittene KI-Lösungen. Software-Ingenieure werden ihr Verständnis von LLM-Architekturen vertiefen, Machine Learning Engineers werden ihre Fähigkeiten zur Modelloptimierung verbessern, Data Scientists werden innovative Anwendungen erforschen und Engineering Manager werden lernen, KI-getriebene Projekte effektiv zu leiten. Die Teilnehmer sollten über Python-Kenntnisse auf Anfängerniveau und Konten auf GitHub und Hugging Face für praktische Projekte verfügen. Die Teilnehmer benötigen mindestens 8 GB RAM und 3,8 GB freien Speicherplatz. Der Kurs ist mit den Betriebssystemen macOS und Windows kompatibel. Am Ende des Kurses werden die Teilnehmer in der Lage sein, große Sprachmodelle (LLMs) zu evaluieren und den Lösungsentwicklungsprozess zu verstehen. Sie werden Anwendungsfälle analysieren, um optimale Architekturen und Optimierungstechniken zu identifizieren, verschiedene Optimierungsmethoden anwenden und vergleichen und fortgeschrittene LLM-Lösungen mit Llama2 entwerfen, die sie in die Lage versetzen, anspruchsvolle KI-Anwendungen zu erstellen.