Plan Szkolenia

Wprowadzenie do otwartych modeli LLM

  • Przegląd DeepSeek, Mistral, LLaMA i innych modeli open-source
  • Jak działają modele LLM: Transformatory, uwaga własna i szkolenie
  • Porównanie modeli LLM o otwartym kodzie źródłowym z modelami zastrzeżonymi

Fine-Tuning i dostosowywanie modeli LLM

  • Przygotowanie danych do dostrajania
  • Trening i optymalizacja modeli LLM przy użyciu Hugging Face
  • Ocena wydajności modelu i łagodzenie błędu systematycznego

Tworzenie AI Agents za pomocą modeli LLM

  • Wprowadzenie do LangChain dla rozwoju agentów AI
  • Projektowanie przepływów pracy opartych na agentach z wykorzystaniem LLM
  • Pamięć, generowanie wspomagane odzyskiwaniem (RAG) i wykonywanie akcji

Wdrażanie opartych na LLM AI Agents

  • Konteneryzacja agentów AI z Docker
  • Integracja LLM z aplikacjami korporacyjnymi
  • Skalowanie agentów AI za pomocą usług w chmurze i interfejsów API

Bezpieczeństwo i zgodność w korporacyjnej sztucznej inteligencji

  • Kwestie etyczne i zgodność z przepisami
  • Ograniczanie ryzyka w automatyzacji opartej na sztucznej inteligencji
  • Monitorowanie i audytowanie zachowania agentów AI

Studia przypadków i zastosowania w świecie rzeczywistym

  • Wirtualni asystenci wykorzystujący LLM
  • Automatyzacja dokumentów oparta na sztucznej inteligencji
  • Niestandardowi agenci AI do analityki korporacyjnej

Optymalizacja i utrzymanie agentów opartych na LLM

  • Ciągłe ulepszanie i aktualizowanie modeli
  • Wdrażanie monitorowania i pętli sprzężenia zwrotnego
  • Strategie optymalizacji kosztów i dostrajania wydajności

Podsumowanie i kolejne kroki

Wymagania

  • Dobre zrozumienie sztucznej inteligencji i uczenia maszynowego
  • Doświadczenie w programowaniu Python
  • Znajomość dużych modeli językowych (LLM) i przetwarzania języka naturalnego (NLP)

Uczestnicy

  • Inżynierowie AI
  • Twórcy oprogramowania dla przedsiębiorstw
  • Liderzy Business
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie