Werk:AI mit Arnie/Überblick (LLMs meistern)

◀	Kurs AI mit Arnie (KI Revolution) LLMs meistern
📽️	Überblick LLM Kurs (9:45)
🎓	Überblick
▲	Teaser Clip (Das lernst du)
▶	Überblick
▼	Downloads & Links

▷Willkommen im LLM-Kurs und erstmal danke! Du hast natürlich die richtige Entscheidung getroffen, dass du hier dabei bist. In diesem Video will ich dir ein paar Tipps mitgeben und danach natürlich einen Überblick, denn dieser Kurs ist riesengroß. Denn wir lernen alles zu LLMs.

Tipp Nummer 1: Einige denken, dass ich etwas zu langsam spreche. Dem kannst du natürlich entgegenwirken, indem du die Geschwindigkeit erhöhst. Innerhalb dieser Plattform kannst du die Geschwindigkeit auf bis zu das Doppelte erhöhen. Und mit gewissen Chrome-Extensions kannst du sogar auf das Dreifache hochgehen und noch schneller, wenn du magst. Das bietet dir ein paar Nebeneffekte, denn du kannst wirklich besser lernen, wenn du die Geschwindigkeit erhöhst. Lass mich dir kurz erklären, warum.

Ich erkläre das in jedem Kurs am Anfang, weil das wichtig ist: Unser Gehirn ist immer entweder ausgeschaltet oder eingeschaltet. Und wenn es ausgeschaltet ist, eigentlich bist du dann tot. Also, ich gehe davon aus, dass jetzt dein Gehirn eingeschaltet ist. Das Ding ist aber, dass es immer zu 100 % läuft. Dein Gehirn hat gewisse Rechenkapazitäten und die sind immer zu 100 % da. Und wenn diese Rechenkapazitäten nicht ausgelastet werden, zu 100% bei einem gewissen Ding, dann fängt dein Gehirn an, andere Dinge zu denken. Vielleicht kennst du das Ganze: Du liest ein Buch, und plötzlich fängst du an, an andere Dinge zu denken. Du denkst, „Später sollte ich mit dem Hund raus“, „Ich gehe danach noch trainieren“, „Zum Abend knalle ich mir mal wieder Nutella rein“. Das passiert, wenn dein Gehirn nicht ausgelastet ist.

Was machst du beim Lesen? Du liest schneller, sodass dein Gehirn zu 100 % ausgelastet ist – beim Lesen. Dasselbe gilt natürlich auch für Videos. Also, ich spreche etwas langsam – erhöhe die Geschwindigkeit, damit dein Gehirn zu 100 % ausgelastet ist. Das muss natürlich für dich perfekt sein. Einige stellen mich sogar langsamer, daß passiert relativ selten. Die meisten machen es auf der 1,5-fachen Geschwindigkeit. Also starte erstmal da.

Tipp Nummer 2: Wir sind natürlich eine Community, und eine Community lebt von Leuten. Denn mehr Leute wissen immer mehr als wenig Leute. Also könntest du natürlich jedem von uns weiterhelfen, wenn du den Link zu dieser Community teilen würdest. Wir haben wirklich eine Win-Win-Win-Situation.

Und jetzt natürlich ein Überblick zum Kurs, damit du dich schneller zurechtfindest.

Die nächste Lektion heißt „Downloads“. Hier bekommst du zwei Links. Einmal ist es ein Link zu meinem Google Drive. Wenn du hier draufklickst, dann landest du höchstwahrscheinlich auf einem Interface, das so oder so ähnlich aussieht. Und hier kannst du dir einige Prompts runterladen. Ich habe hier bewusst nicht zu viele Prompt-Vorlagen gewählt, weil es mein Ziel ist, dass du für dich perfekte Prompts erstellst. Ich kann natürlich gerne noch mehr Prompts hinzufügen. All diese Dinge wirst du später im Detail kennenlernen, so, damit du genau weißt, wie du diese Vorlagen verwendest.

Das Nächste ist dieses Ding hier: Ressourcen. Das ist eine PDF. Wenn du hier draufklickst, dann wird sich das auch so oder so ähnlich öffnen. Ich rate dir, das hier oben runterzuladen. Denn dann hast du diese PDF auf deinem Desktop, und du kannst sie nebenbei beim Kurs geöffnet lassen. Du findest dich schnell zurecht. Hier sind ein paar wichtige Webseiten wie Hugging Face, GitHub und so weiter.

Jedoch sind auch Dinge wie mein Colab-Notebook verlinkt. Wenn du hier draufklickst, dann landest du direkt in Google Colab. Hier habe ich ein paar Zeilen Code für dich geschrieben. Mach dir nichts daraus, wenn du das noch nicht verstehst. Das wirst du noch im Detail lernen. Du kannst hier einfach nur meinen Code verwenden in einem Interface von Google, und wir können die OpenAI-API verwenden.

Und natürlich gibt es noch viele, viele weitere Links, die wir einfach langsam Schritt für Schritt über den Kurs brauchen werden. Also lad dir das runter, das wirst du brauchen.

Danach geht es sofort hier drüben los mit Funktionen von LLMs. Und ganz wichtig noch: Wenn du eine Lektion abgeschlossen hast, dann kannst du hier draufklicken, „mark is done“ das, und es wird dieser grüne Haken auftauchen. Dann weißt du genau: „Hey, das habe ich jetzt schon gemacht, ich kann zur nächsten Lektion übergehen.“ Und auch hier, sobald du dieses Video gesehen hast, kannst du das z. B. hier anklicken. Wenn ich dann mal neue Videos uploade und Updates mache, dann siehst du sofort: „Hey, das Video habe ich noch nicht gesehen.“

Jetzt aber hier: Funktionsweise von LLMs. Hier sehen wir uns genau an, wie die Dinge funktionieren. Wir sehen uns an, woraus ein LLM besteht. Wir starten danach beim Pretraining, wie neuronale Netze funktionieren, die Transformer-Architektur, verschiedene Gattungen der Transformer-Architektur, das Fine-Tuning, das Reinforcement Learning und natürlich auch die LLM-Scaling-Laws. Danach ein paar weitere Fähigkeiten von LLMs: Sie können Tools verwenden, sie sind multimodal. Wir sehen uns an, was in Zukunft passieren könnte, was die RAG-Technologie ist und ob LLMs eventuell ein komplettes Betriebssystem werden.

In der nächsten Sektion geht es um das Prompt Engineering. Denn du bekommst nur etwas Gutes raus, wenn du etwas Gutes reintippst. Warum ist es wichtig? Was ist das Token-Limit? Ein paar Prompt-Engineering-Basics, die einfachsten Strategien, danach auch komplexere Strategien wie der Chain-of-Thought oder Tree-of-Thought. Reverse Prompt Engineering natürlich, viele Beispiele.

Danach sehen wir uns die Anpassungen von LLMs an, z. B. ChatGPT Memory. Wir sehen uns an, was eine VPN ist, denn nicht alles funktioniert immer in Europa. Was sind Systemprompts, In-Context-Learning, Langzeitgedächtnis mit der RAG-Technologie? Was ist der GPT Store? Ein paar Beispiele von GPTs, z. B. zur Datenanalyse. Wir sehen uns Embeddings und Vektordatenbanken an. Wir werden GPTs zum Programmieren verwenden. Wir sehen uns auch an, wie man mit diesen Dingern Geld verdienen kann. Wir sehen uns an, wie wir Leads generieren können mit GPTs.

Danach fangen wir mit den API-Grundlagen an: wie wir Zapier als API integrieren können und natürlich noch viele Tipps, wie du bessere GPTs bauen kannst.

Als Nächstes sehen wir uns all die gängigen Closed-Source-LLMs an. Wir starten bei Google Gemini, auch mit NotebookLM, danach Cloud von Anthropic, ein paar weitere Plattformen wie Perplexity, Poe, natürlich den Microsoft Copilot in allen gängigen Umgebungen und zum Schluss auch ganz kurz den GitHub Copilot.

Als Nächstes sehen wir uns die APIs der LLMs an. Erstmal die OpenAI-API mit dem Preismodell und den OpenAI-Playground. Danach die Google Gemini API und natürlich auch noch die Cloud API. Die Cloud API habe ich erstmal kurz gefasst, jedoch sind oft weiterführende Links dabei zu anderen Videos, wo wir uns z. B. den Compute Use von Cloud ansehen.

Dich interessieren Open-Source-LLMs? Auch diese behandeln wir in diesem Kurs. Was sind Open-Source-LLMs? Einführung zu Hugging Face mit HuggingChat, danach Groq mit einem speziellen Computerchip, wie man LM Studio installiert und verwendet. Wir sehen uns zensierte gegen unzensierte LLMs an, das Fine-Tuning dieser LLMs und wie wir einen eigenen lokalen Server einrichten.

Als Nächstes werden wir in die API etwas tiefer eintauchen, und wir erstellen uns unsere kleinen ersten kleinen Apps in Google Colab. Ich gebe dir einen Überblick zu GitHub, ich gebe dir einen Überblick zu GitHub und Google Colab, einen kleinen Überblick was wir machen. Danach unser erster API Call. Wir verwenden DALL·E, Text-to-Speech und Whisper, alles in einem übersichtlichen Notebook, das du auch von mir kopieren kannst.

Als Nächstes sehen wir uns komplette Apps, KI-Agenten und Chatbots an. Wir starten mit Vector Shift und wie du RAG-Agenten bauen kannst und auch wie du diese deployen oder hosten kannst. Danach einen Überblick zu Autogen, LangChain, LangFlow, CrewAI und so weiter.

Und danach starten wir mit Flowise. Die Möglichkeiten, wie wir es betreiben, wie wir es installieren, das Interface, natürlich wie wir gesamte Chatbots hier drinnen bauen – mit Memory und RAG. Wie wir auch Open-Source-Agenten machen können in Flowise. Danach starten wir, komplette Agenten zu bauen, mit verschiedensten LLMs, die sich untereinander unterhalten können, wie wir diese in Webseiten integrieren. Ein paar weitere Tipps.

Also kannst du nach dieser Sektion Chatbots und KI-Agenten als Entwickler erstellen und eventuell auch was Cooles verkaufen.

Danach müssen wir natürlich auch über die Sicherheit dieser Modelle sprechen. Jailbreaking, Prompt Injections und Data Poisoning sind die drei größten Risiken in einem normalen LLM. Jedoch müssen wir uns auch Copyrights und Urheberrechte ansehen und natürlich auch deinen persönlichen Datenschutz. Zum Schluss noch ein paar Beispiele, wie man GPTs hacken könnte, ein paar Vorteile und Nachteile. Und wir sehen uns auch noch kurz den Q*-Algorithmus an.

Nachdem du das alles verstanden hast, versuchen wir rauszufinden, was das beste LLM ist. Kleiner Hinweis: Es ist nicht ganz so einfach. Jedoch gebe ich dir viele Ressourcen, wo du dich umsehen kannst – ein paar Vergleichsvideos und natürlich verschiedenste Arenen, die du verfolgen kannst.

Und zum Schluss wagen wir noch einen Blick in die Zukunft. LLMs können eventuell ein komplettes operatives System werden. Wir sehen uns auch an, ob wir diesmal vielleicht die Pferde sind, ob KI alle Jobs ersetzen wird, was exponentielles Wachstum bedeutet.

Und letztlich natürlich mein Danke – genauso wie ich auch jetzt danke sagen will. Denn du gibst mir das wertvollste Asset, was du besitzt, nämlich deine Zeit. Du entscheidest dich aktiv dafür, deine Zeit mit mir zu verbringen, mit der Community zu verbringen, und dafür will ich mich jetzt natürlich bedanken.

Hast du irgendwann irgendwelche Probleme oder Fragen, eröffne einfach einen Post in der Community. Ich bin mir sicher, wir alle sind da, um uns gegenseitig zu unterstützen. In dem Sinne danke, und wir sehen uns im nächsten Video oder aber in der Community.

Wenn du einen Post eröffnest, erinnere dich noch mal kurz an den Tipp: Weniger Ich-Posts, dann bekommst du mehr und bessere Antworten. Da bin ich mir zu 100 % sicher. So können wir uns natürlich noch besser weiterhelfen.

jsondata

{ "page-properties": { "display-title": "Überblick" } }