RAG, Fine-Tuning und der Aufbau eines GenAI-Portfolios umfassen in der Praxis eine Vielzahl von Aufgaben - von der Datenvorbereitung bis zur gezielten Modellanpassung. Wer eigene GenAI-Projekte sichtbar machen will, braucht diese Bausteine im Zusammenhang. Der Inhalt verbindet Methodik und Präsentation.
!Kursinhalt
!1. Retrieval-Augmented Generation
*Aufbau typischer RAG-Architekturen
*Quellen, Embeddings und Retriever
*Qualität der Antworten
!2. Fine-Tuning von Modellen
*Einordnung von Anpassungsstrategien
*Datenaufbereitung für das Training
*Bewertung der Ergebnisse
!3. Projekte zum Zeigen
*Auswahl geeigneter Use Cases
*Strukturierter Aufbau
*Dokumentation der Entscheidungen
!4. Portfolio im GenAI-Kontext
*Präsentation der Projekte
*Sichtbarmachen eigener Rolle
*Feedback und Weiterentwicklung
!Berufliche Relevanz
*Sichtbare Referenzen in GenAI-nahen Rollen
*Anwendung zentraler Methoden
*Brücke zu Bewerbungs- und Einstiegsphase