Der Kurs „Transformers, Fine-Tuning und Modellbewertung“ richtet sich an Lernende mit Erfahrung in den Bereichen Deep Learning und NLP, die Transformer-Architekturen beherrschen, vortrainierte Modelle mit Hugging Face feinabstimmen und produktionsreife NLP-Lösungen bereitstellen möchten.

Zunächst beschäftigen Sie sich eingehend mit der Transformer-Architektur – einschließlich Self-Attention-Mechanismen, Positionskodierungen und Modellfamilien wie BERT, GPT und T5. Anschließend lernen Sie, Datensätze vorzubereiten, Modelle für Klassifizierungsaufgaben zu feinstimmen und Ergebnisse anhand von Metriken wie F1, Präzision und Verwechslungsmatrizen zu bewerten. Das dritte Modul behandelt Reproduzierbarkeit und Versionskontrolle mit DVC und Git sowie die Veröffentlichung von Modellen auf dem Hugging Face Hub. Abschließend erstellen und stellen Sie Transformer-Inferenz-APIs mit FastAPI bereit, optimieren die Leistung durch Quantisierung und integrieren CI/CD-Verfahren für Produktionssysteme. Am Ende dieses Kurses werden Sie: - Transformer-Architekturen zur Lösung realer NLP-Aufgaben anwenden - Vortrainierte Modelle mithilfe von Hugging Face Transformers und Datasets feinabstimmen und bewerten - Reproduzierbare ML-Pipelines mit DVC und Git-Versionskontrolle erstellen - Transformer-basierte Inferenz-APIs mithilfe von FastAPI bereitstellen und testen Haftungsausschluss: Dies ist eine unabhängige Bildungsressource, die von Board Infinity ausschließlich zu Informations- und Bildungszwecken erstellt wurde. Sofern nicht ausdrücklich anders angegeben, steht dieser Kurs in keiner Verbindung zu Unternehmen, Organisationen oder Zertifizierungsstellen und wird von diesen weder unterstützt, gesponsert noch ist er offiziell mit ihnen verbunden. Die bereitgestellten Inhalte basieren auf Branchenwissen und Best Practices, stellen jedoch kein offizielles Schulungsmaterial für einen bestimmten Arbeitgeber oder ein Zertifizierungsprogramm dar. Alle genannten Firmennamen, Marken, Dienstleistungsmarken und Logos sind Eigentum ihrer jeweiligen Inhaber und werden ausschließlich zu Bildungszwecken sowie zu Identifikations- und Vergleichszwecken verwendet.