Cursusaanbod

Inleiding en Diagnostische Grondslagen

  • Overzicht van foutmodi in LLM-systemen en veelvoorkomende Ollama-specifieke problemen
  • Het opzetten van reproduceerbare experimenten en gecontroleerde omgevingen
  • Debuggingtoolset: lokale logs, aanvraag/antwoordopnamen en sandboxing

Herproduceren en Isoleren van Fouten

  • Technieken voor het creëren van minimale mislukte voorbeelden en zaden
  • Stateful versus stateless interacties: het isoleren van contextgerelateerde fouten
  • Determinisme, willekeurigheid en het beheersen van niet-deterministisch gedrag

Gedragsbeoordeling en Metrieken

  • Kwantitatieve metrieken: nauwkeurigheid, ROUGE/BLEU-varianten, kalibratie en perplexiteit-proxies
  • Kwalitatieve beoordelingen: mens-in-de-schijf scoren en rubriekontwerp
  • Taakspecifieke trouwheidscontroles en acceptatiecriteria

Gearchiveerd Testen en Regressie

  • Eenheidstests voor prompts en componenten, scenario- en eind-op-eind-testen
  • Het creëren van regressie-suites en gouden voorbeeld-baselines
  • CI/CD-integratie voor Ollama-modelupdates en geautomatiseerde validatiegaten

Waarneembaarheid en Monitoring

  • Gestructureerde logboeken, verdeelde sporen en correlatie-ID's
  • Belangrijke operationele metrieken: latentie, tokengebruik, foutenpercentages en kwaliteitssignalen
  • Waarschuwing, dashboards en SLI/SLO's voor modelondersteunde diensten

Geavanceerde Oorzaakanalyse

  • Sporen door gegraafde prompts, tooloproepen en meeromgangsstromen
  • Vergelijkende A/B-diagnose en afbraakstudies
  • Data-herkomst, dataset-debugging en het aanpakken van door dataset veroorzaakte fouten

Veiligheid, Robustheid en Herstelstrategieën

  • Mitigaties: filtering, grounding, retrieval augmentation, en prompt scaffolding
  • Rollback, canary, en gefaseerde roll-outpatronen voor modelupdates
  • Post-mortems, geleerde lessen en continu-improvement-lussen

Samenvatting en Volgende Stappen

Vereisten

  • Uitgebreide ervaring met het bouwen en deployen van LLM-applicaties
  • Kennis van Ollama workflows en model hosting
  • Gemak met Python, Docker, en basisobservabiliteitstools

Doelgroep

  • AI-ingenieurs
  • ML Ops-professionals
  • QA-teams verantwoordelijk voor productie LLM-systemen
 35 Uren

Leveringsopties

PRIVÉGROEPSTRAINING

Onze identiteit draait om het leveren van precies wat onze klanten nodig hebben.

  • Pre-cursusgesprek met uw trainer
  • Aanpassing van de leerervaring om uw doelen te bereiken -
    • Op maat gemaakte overzichten
    • Praktische, praktische oefeningen met gegevens / scenario's die herkenbaar zijn voor de cursisten
  • Training gepland op een datum naar keuze
  • Gegeven online, op locatie/klaslokaal of hybride door experts die ervaring uit de echte wereld delen

Private Group Prices RRP from €11400 online delivery, based on a group of 2 delegates, €3600 per additional delegate (excludes any certification / exam costs). We recommend a maximum group size of 12 for most learning events.

Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen


OPENBARE TRAINING

Kijk op onze public courses

Voorlopige Aankomende Cursussen

Gerelateerde categorieën