Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
LLM Alkalmazásarchitektúra és Tervezés
- Gyakori OpenAI alkalmazási minták asszisztensekhez, kopilótokhoz és munkafolyamat-automatizáláshoz
- A megfelelő architektúra kiválasztása üzleti követelmények, megbízhatóság és felhasználói élmény szempontjából
- Prototípus kódtól a karbantartható alkalmazástervezésig
Promptolás, Kontextus és Strukturált Kimenetek
- Rendszer-, felhasználói és fejlesztői utasítások strukturálása kiszámítható viselkedés érdekében
- Promptok tervezése konzisztencia, feladatirányítás és világosabb válaszok érdekében
- Strukturált kimenetek használata a lefelé tartó alkalmazáslogika támogatásához
- Kontextusablakok, beszélgetési állapot és válaszminőség kezelése
Eszközhasználat és Munkafolyamat-vezénylés
- Függvényhívás és eszközökkel ellátott munkafolyamatok használata külső szolgáltatásokkal
- Bemenetek és kimenetek érvényesítése, hibakezelés és tartalék viselkedés alkalmazása
- Többlépcsős folyamatok tervezése gyakorlati üzleti feladatokhoz
Lekérdezés és Tudásalapozás
- A lekérdezés-kiegészített generálás alkalmasságának meghatározása
- Dokumentumok előkészítése és tartalom darabolása hasznos lekérdezéshez
- Releváns kontextus lekérése és válaszok alapozása megbízható forrásokra
Értékelés, Korlátok és Működési Készség
- Minőségi kritériumok meghatározása és munkafolyamatok tesztelése várt eredményekkel szemben
- Hallucinációk csökkentése és biztonságtalan, irreleváns vagy kétértelmű kérések kezelése
- Használat, késleltetés, token fogyasztás és költség monitorozása
- Alkalmazások előkészítése üzembe helyezésre, támogatásra és iteratív fejlesztésre
Gyakorlati Implementációs Műhely
- Egy kis, végponttól végpontig tartó OpenAI alkalmazás építése, amely kombinálja a promptolást, strukturált kimenetet, eszközhasználatot és lekérdezést
- Tervezési döntések, gyakori problémák és gyakorlati következő lépések áttekintése a termelési használathoz
Követelmények
- Ismeret a nagy nyelvi modellek koncepcióiról és API-alapú alkalmazásfejlesztésről
- Tapasztalat REST API-k, JSON és prompt-alapú alkalmazásmunkafolyamatok használatában
- Középfokú programozási tapasztalat Pythonban, JavaScriptben vagy hasonló nyelven
Célközönség
- Szoftverfejlesztők, akik LLM-alapú alkalmazásokat építenek
- AI mérnökök és technikai vezetők, akik OpenAI-alapú megoldásokat terveznek
- Termékcsapatok és megoldásarchitektusok, akik felelősek a termelési AI funkciókért
7 Órák
