Lépjen kapcsolatba velünk

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

 35 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák