Fine-Tuning passt ein Basismodell wie GPT-4 an spezifische Aufgaben, Daten und Schreibweisen an. Prompt Engineers bringen ihr Wissen über Prompt-Design in den Trainings- und Prüfprozess ein.

!Kursinhalt

!1. Einordnung von Fine-Tuning
*Abgrenzung zu reinem Prompt-Engineering
*typische Einsatzfelder
*Voraussetzungen und Risiken

!2. Vorbereitung von Trainingsdaten
*Auswahl geeigneter Beispiele
*Strukturierung von Eingabe- und Ausgabeformaten
*Qualitätssicherung der Daten

!3. Durchführung des Feintunings
*Konfiguration des Trainingslaufs
*Überwachung von Kennzahlen
*Anpassung bei schwachen Ergebnissen

!4. Evaluation und Einsatz
*Testaufbau mit Referenzfällen
*Vergleich mit unverändertem Modell
*Betrieb und Nachpflege

!Berufliche Relevanz

*Fine-Tuning erhöht die Passgenauigkeit generativer Modelle
*saubere Trainingsdaten sind die entscheidende Grundlage
*strukturierte Evaluation schützt vor Fehleinschätzungen