Machine Learning

17 Artikel · Seite 1 von 2

LLM-Evaluationspipeline, die Testfälle durch Qualitätsmetriken und Bewertungs-Gates leitet

LLM-Ausgabequalität bewerten: Metriken und Testframeworks

Praktischer Leitfaden für Evaluations-Pipelines von LLM-Features: semantische Ähnlichkeit, Verhaltenstests, Regressionserkennung, Quality Gates.

11. Feb. 2025·4 Min. Lesezeit

Trainings-Loss-Kurve, die das Fine-Tuning eines Sprachmodells mit domänenspezifischen Daten, Validierungs-Checkpoints und Early Stopping zeigt

Künstliche Intelligenz

Fine-Tuning von Sprachmodellen mit domänenspezifischen Daten

Feintuning von Sprachmodellen mit LoRA und QLoRA: Datensatzvorbereitung, Trainingsstrategien und Evaluierung — Spezialisten ohne riesiges Compute-Budget.

30. Juni 2024·6 Min. Lesezeit

Diagramm einer RAG-Pipeline, das zeigt, wie Dokumente die Phasen Chunking, Embedding, Vektorspeicherung, Retrieval und Generierung durch ein LLM durchlaufen

Künstliche Intelligenz

Retrieval-Augmented Generation: RAG-Pipelines, die tragen

Baue effektive RAG-Pipelines mit TypeScript: Chunking, Embeddings, Feintuning der Vektorsuche, Prompt-Konstruktion und Evaluation der Retrieval-Qualität.

28. März 2024·5 Min. Lesezeit

Architekturdiagramm, das eigenständige Vektordatenbanken mit eingebetteten Vektorerweiterungen vergleicht und den Abfragefluss von der Embedding-Erzeugung über die Indexsuche bis zur Ergebnisbewertung zeigt

Künstliche Intelligenz

Leitfaden zur Auswahl von Vektordatenbanken für KI-Anwendungen

Vergleich von Pinecone, Weaviate, Qdrant, Milvus und pgvector für KI-Anwendungen: Indexierung, Abfrageleistung, Filterung, Betriebskomplexität.

21. Nov. 2023·4 Min. Lesezeit

Diagramm einer Evaluierungs-Pipeline, das LLM-Ausgaben zeigt, die durch automatisierte Bewertung, Stichproben menschlicher Überprüfung und Regressionsvergleiche laufen

Künstliche Intelligenz

Evaluierungsframeworks für LLM-Anwendungen aufbauen

Systematische Evaluierungs-Pipelines für LLM-Anwendungen: automatisierte Metriken, menschliche Bewertung, Regressionstests, Prompt-Versionierung.

10. Sept. 2023·5 Min. Lesezeit

Diagramm, das zeigt, wie ein vortrainiertes Sprachmodell mit domänenspezifischen Daten gefinetuned wird, um spezialisierte Ausgaben für eine Zielaufgabe zu erzeugen

Künstliche Intelligenz

Fine-Tuning von Sprachmodellen für domänenspezifische Aufgaben

Praktischer Leitfaden zum Fine-Tuning von Sprachmodellen auf Domänendaten: Datensätze, Trainingsstrategien, Evaluation und Bereitstellung.

16. Juli 2023·5 Min. Lesezeit

Dashboard mit Bias-Metriken für verschiedene demografische Gruppen und Fairness-Werten

Künstliche Intelligenz

Verantwortungsvolle KI: Bias erkennen und mindern

Praktische Techniken zur Erkennung und Minderung von Bias in ML-Pipelines — von der Datenerhebung über das Deployment bis zum Monitoring.

14. Feb. 2023·6 Min. Lesezeit

Diagramm, das Federated Learning zeigt: mehrere Geräte liefern Modell-Updates an einen zentralen Server

Künstliche Intelligenz

Federated Learning: Modelle trainieren, ohne Daten zu teilen

Grundlagen des Federated Learning, Implementierungsmuster und praktische Herausforderungen beim Training auf verteilten Geräten unter Datenschutz.

20. Dez. 2022·6 Min. Lesezeit

Zeitreihendiagramm mit normalen Verkehrsmustern und einer Anomalie, die von einem Erkennungsalgorithmus hervorgehoben wird

Künstliche Intelligenz

Anomalieerkennung für Application Monitoring

Anomalieerkennung für Anwendungsmetriken: statistische Methoden, Z-Scores, gleitende Durchschnitte, saisonale Zerlegung und Alarme ohne Alert Fatigue.

7. Nov. 2022·5 Min. Lesezeit