Kurzusleírás
A tanfolyam tematikája Képzési javaslat
1. nap – Bevezetés a mesterséges intelligenciába és a Pythonba az adat-munkafolyamatokhoz
• A mesterséges intelligencia és a gépi tanulás világának áttekintése
• A mesterséges intelligencia szerepe a modern adatmérnökségben
• Python-alapok frissítése MI-alkalmazásokhoz
• Adatkezelés pandas és NumPy segítségével
• Bevezetés az API-k és a JSON-adatkezelés világába
• Mini gyakorlat: adathalmazok betöltése és átalakítása
2. nap – Gépi tanulási alapok gyakorlati szakembereknek
• Felügyelt és felügyelet nélküli tanulási fogalmak
• Jellemzőkészítés és adat-előkészítési technikák
• Modelltanítási alapok a scikit-learn segítségével
• Modellértékelés és teljesítménymutatók
• Bevezetés a modelltelepítési fogalmakba
• Gyakorlat: egyszerű prediktív modell építése
3. nap – Bevezetés az LLM-ekbe és a prompt tervezésbe
• A nagy nyelvi modellek és működésük megértése
• Tokenizálás, kontextusablakok és korlátok
• A prompttervezés alapelvei és technikái
• Zero-shot és few-shot promptolás
• Promptértékelési és iterációs stratégiák
• Gyakorlati prompt tervezési feladatok
4. nap – MI-alkalmazások fejlesztése LLM-ekkel
• LLM API-k használata Pythonban
• Strukturált kimenetek és függvényhívási fogalmak
• Csevegőalapú és feladatalapú alkalmazások fejlesztése
• Bevezetés a visszakereséssel bővített generálásba
• LLM-ek összekapcsolása külső adatforrásokkal
• Mini projekt: egyszerű MI-asszisztens építése
5. nap – MI-megoldások élesítése
• Skálázható MI-munkafolyamatok tervezése
• A mesterséges intelligencia integrálása adatfolyamatokba
• A modellteljesítmény nyomon követése és javítása
• Költségoptimalizálási és API-használati stratégiák
• Biztonsági és felelős MI-szempontok
• Záró projekt: végponttól végpontig terjedő MI-megoldás építése
Vélemények (2)
A képző rendkívül elérhető volt, hogy válaszoljon az összesféle kérdésemmel.
Caterina - Stamtech
Kurzus - Developing APIs with Python and FastAPI
Gépi fordítás
A tanár a képzést a résztvevők tempójára szabja
Farris Chua
Kurzus - Data Analysis in Python using Pandas and Numpy
Gépi fordítás