Plan Szkolenia

Wprowadzenie do AI w tworzeniu oprogramowania

  • Czym jest Generative AI vs Predictive AI
  • Zastosowania AI w kodowaniu, analizach i automatyzacji
  • Przegląd LLM, transformatorów i modeli głębokiego uczenia

AI-wspomagane kodowanie i predykcyjne tworzenie oprogramowania

  • AI-wspomagane uzupełnianie i generowanie kodu (GitHub Copilot, CodeGeeX)
  • Prognozowanie błędów i luk w kodzie przed wdrożeniem
  • Automatyzacja przeglądów kodu i sugestii optymalizacji

Budowanie modeli predykcyjnych dla aplikacji

  • Zrozumienie prognozowania szeregów czasowych i analizy predykcyjnej
  • Implementacja modeli AI do prognozowania popytu i wykrywania anomalii
  • Wykorzystanie Pythona, Scikit-learn i TensorFlow do modelowania predykcyjnego

Generative AI do generowania tekstu, kodu i obrazów

  • Praca z GPT, LLaMA i innymi LLM
  • Generowanie danych syntetycznych, podsumowań tekstowych i dokumentacji
  • Tworzenie obrazów i filmów generowanych przez AI za pomocą modeli dyfuzyjnych

Wdrażanie modeli AI w rzeczywistych aplikacjach

  • Hostowanie modeli AI za pomocą Hugging Face, AWS i Google Cloud
  • Tworzenie usług AI opartych na API dla aplikacji biznesowych
  • Dostosowywanie wstępnie wytrenowanych modeli AI do zadań specyficznych dla domeny

AI dla predykcyjnych analiz biznesowych i podejmowania decyzji

  • AI-napędzana analiza biznesowa i analiza klientów
  • Prognozowanie trendów rynkowych i zachowań konsumentów
  • Automatyzacja optymalizacji przepływów pracy za pomocą AI

Etyka AI i najlepsze praktyki w rozwoju

  • Kwestie etyczne w podejmowaniu decyzji wspomaganych przez AI
  • Wykrywanie uprzedzeń i uczciwość w modelach AI
  • Najlepsze praktyki w tworzeniu interpretowalnej i odpowiedzialnej AI

Warsztaty praktyczne i studia przypadków

  • Implementacja analizy predykcyjnej dla rzeczywistego zestawu danych
  • Budowanie chatbota napędzanego AI z generowaniem tekstu
  • Wdrażanie aplikacji opartej na LLM do automatyzacji

Podsumowanie i kolejne kroki

  • Przegląd kluczowych wniosków
  • Narzędzia i zasoby AI do dalszej nauki
  • Ostatnia sesja pytań i odpowiedzi

Wymagania

  • Znajomość podstawowych koncepcji tworzenia oprogramowania
  • Doświadczenie w dowolnym języku programowania (zalecany Python)
  • Znajomość podstaw uczenia maszynowego lub AI (zalecane, ale nie wymagane)

Grupa docelowa

  • Programiści
  • Inżynierowie AI/ML
  • Kierownicy zespołów technicznych
  • Kierownicy produktów zainteresowani aplikacjami napędzanymi AI
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (3)

Propozycje terminów

Powiązane Kategorie