Návrh Školení

Úvod do AI pro vývoj softwaru

  • Co je Generative AI vs Predictive AI
  • Aplikace AI v kódování, analytice a automatizaci
  • Přehled LLM, transformátorů a modelů hlubokého učení

Kódování s podporou umělé inteligence a prediktivní vývoj

  • Dokončování a generování kódu pomocí umělé inteligence (GitHub Copilot, CodeGeeX)
  • Předvídání chyb a zranitelností kódu před nasazením
  • Automatizace kontrol kódu a návrhů optimalizace

Vytváření prediktivních modelů pro softwarové aplikace

  • Pochopení prognózování časových řad a prediktivní analýzy
  • Implementace modelů umělé inteligence pro předpovídání poptávky a detekci anomálií
  • Použití Python, Scikit-learn a TensorFlow pro prediktivní modelování

Generative AI pro generování textu, kódu a obrázků

  • Práce s GPT, LLaMA a dalšími LLM
  • Generování syntetických dat, textových souhrnů a dokumentace
  • Vytváření obrázků a videí generovaných umělou inteligencí pomocí modelů difúze

Nasazení modelů umělé inteligence v aplikacích reálného světa

  • Hostování modelů AI pomocí Hugging Face, AWS a Google Cloud
  • Vytváření služeb AI na bázi API pro podnikové aplikace
  • Jemné vyladění předem vycvičených modelů umělé inteligence pro úkoly specifické pro doménu

AI for Predictive Business Insights and Decision-Making

  • Business intelligence a zákaznická analytika řízená umělou inteligencí
  • Předpovídání tržních trendů a chování spotřebitelů
  • Automatizace optimalizace pracovních postupů pomocí AI

Etická umělá inteligence a osvědčené postupy ve vývoji

  • Etická hlediska při rozhodování za pomoci umělé inteligence
  • Detekce zkreslení a spravedlnost v modelech AI
  • Nejlepší postupy pro interpretovatelnou a odpovědnou AI

Praktické workshopy a případové studie

  • Implementace prediktivní analýzy pro reálnou datovou sadu
  • Vytvoření chatbota s umělou inteligencí a generováním textu
  • Nasazení aplikace založené na LLM pro automatizaci

Shrnutí a další kroky

  • Recenze klíčových věcí
  • Nástroje a zdroje umělé inteligence pro další vzdělávání
  • Závěrečná sekce otázek a odpovědí

Požadavky

  • Pochopení základních koncepcí vývoje softwaru
  • Zkušenosti s jakýmkoli programovacím jazykem (doporučeno Python)
  • Znalost strojového učení nebo základů AI (doporučeno, ale není vyžadováno)

Publikum

  • Vývojáři softwaru
  • Inženýři AI/ML
  • Vede technický tým
  • Produktoví manažeři se zájmem o aplikace využívající umělou inteligenci
 21 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie