Kurzusleírás
Bevezetés az MI-be a szoftverfejlesztésben
- Mi a generatív MI vs prediktív MI
- Az MI alkalmazásai kódolásban, elemzésben és automatizálásban
- Áttekintés az LLM-ekről, transzformátorokról és mélytanulási modellekről
MI-asszisztált kódolás és prediktív fejlesztés
- MI-alapú kódkiegészítés és generálás (GitHub Copilot, CodeGeeX)
- Kódhibák és sebezhetőségek előrejelzése üzembe helyezés előtt
- Kódellenőrzések és optimalizációs javaslatok automatizálása
Prediktív modellek építése szoftveralkalmazásokhoz
- Az idősor-előrejelzés és a prediktív elemzés megértése
- MI modellek implementálása igény-előrejelzéshez és anomáliadetektáláshoz
- Python, Scikit-learn és TensorFlow használata prediktív modellezéshez
Generatív MI szöveg-, kód- és képgeneráláshoz
- Munka GPT, LLaMA és más LLM-ekkel
- Szintetikus adatok, szöveges összefoglalók és dokumentációk generálása
- MI által generált képek és videók készítése diffúziós modellekkel
MI modellek üzembe helyezése valós alkalmazásokban
- MI modellek hosztolása Hugging Face, AWS és Google Cloud segítségével
- API-alapú MI szolgáltatások építése üzleti alkalmazásokhoz
- Előre betanított MI modellek finomhangolása területspecifikus feladatokhoz
MI prediktív üzleti elemzésekhez és döntéshozatalhoz
- MI-alapú üzleti intelligencia és ügyfélanalitika
- Piaci trendek és fogyasztói magatartás előrejelzése
- Munkafolyamat-optimalizálások automatizálása MI segítségével
Etikai MI és ajánlott eljárások a fejlesztésben
- Etikai megfontolások az MI-asszisztált döntéshozatalban
- Elfogultság észlelése és tisztesség az MI modellekben
- Ajánlott eljárások az értelmezhető és felelősségteljes MI-hez
Gyakorlati workshopok és esettanulmányok
- Prediktív elemzés implementálása valós adathalmazra
- MI-alapú chatbot építése szöveggenerálással
- LLM-alapú alkalmazás üzembe helyezése automatizáláshoz
Összefoglalás és következő lépések
- Kulcsfontosságú kiemelések áttekintése
- MI eszközök és források további tanuláshoz
- Végső kérdések és válaszok
Követelmények
- Alapvető szoftverfejlesztési fogalmak ismerete
- Tapasztalat bármely programozási nyelven (Python ajánlott)
- Ismeret a gépi tanulás vagy MI alapjaival (ajánlott, de nem kötelező)
Közönség
- Szoftverfejlesztők
- MI/ML mérnökök
- Technikai csapatvezetők
- MI-alapú alkalmazások iránt érdeklődő termékvezetők
Vélemények (3)
Az oktatók válaszolhatnak minden kérdésre és fogadhatnak bármilyen megkeresést
Dewi Anggryni - PT Dentsu International Indonesia
Kurzus - Copilot for Finance and Accounting Professionals
Gépi fordítás
Az AI felhasználási esetek és alkalmazásainak átvétele segítőnek volt. Elégedett voltam az egyes mesterséges intelligencia ügynökök körutatással.
Axel Schulz - CANARIE Inc
Kurzus - Microsoft 365 Copilot: AI Productivity Across Word, Excel, PowerPoint, Outlook, and Teams
Gépi fordítás
Szívesen vette fel, hogy a képző rendkívül sok tudást rendelkezett és ezt bennünket keresztül osztotta meg.
Daria Pawlak - LKQ POLSKA SPOLKA Z OGRANICZONA ODPOWIEDZIALNOSCIA
Kurzus - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Gépi fordítás