Kom i kontakt
 Varaktighet 28 timmar

Kursplan

AI Forward Deployed Engineer

  • Rolljämförelse med ML-engineer och solutions engineer
  • Att äga resultat snarare än leveransmilsten
  • Samarbete med produkt-, forsknings- och säkerhetsteam

Upptäckt i kaotiska företag

  • Att följa ett arbete flöde i sin helhet
  • Kartläggning av system, data och överlämningspunkter
  • Att hitta den begränsning som blockerar värdeskapande

Problemdefinition och prioritering

  • Kvalificering av användningsfall för genomförbarhet
  • Betygsättning av kandidatarbeten flöden mot insats
  • Välja det första flödet som ska bevisas

Värdeformulering och acceptanskriterier

  • Baslinjer för metrik innan byggnation
  • Affärsfallsspråk för finansiella sponsorer
  • Enighet om acceptanskriterier med användare

Modellval: Frontier och open-weights

  • Jämförelse av GPT-6, Claude 5.5 och öppna modeller
  • Avvägningar mellan kontext, latens och enhetskostnad
  • När dataregler tvingar fram lokalt hostade modeller

Kontextingenjörskap och promptdesign

  • Strukturering av instruktioner för pålitligt beteende
  • Samling av kontext från system of record
  • Promptcaching och tokenminimering

Hämtning och kunskapsanknytning

  • Chunking och indexering av företagets innehåll
  • Hybrid sökning, reranking och citationer
  • Utvärdering av hämtning separat från generering

Agenter och verktygsanvändning

  • Verktygsdesign och typade gränssnitt
  • Byggande med OpenAI:s och Claude:s agent SDK:er
  • Godkännanden, försök och hantering av fel

MCP och företagintegrering

  • Model Context Protocol, revidering 2026-07-28
  • Byggande och säkrande av MCP-servrar
  • Behörighets hantering av verktyg mot företagsidentitet

Utvärdering som leveransspråk

  • Guldmängder byggda från verkligt arbete
  • Automatisk poängättning och LLM-domare
  • Släppgränser kopplade till utvärderingströsklar

Vaktstänger, säkerhet och mänsklig övervakning

  • Vaktstänger på prompt-, verktygs- och policylager
  • Eskaleringspunkter och mänsklig granskning
  • Auditsspår och datahanteringsskyldigheter

Distributionsarkitektur i kundmiljön

  • Krav på identitet, nätverk och dataresidens
  • Modellgateway och abstraktion för flera leverantörer
  • Infrastructure as Code och släppprocess

Observabilitet, kostnad och tokenekonomi

  • Sparande av agentkörningar och verktygsanrop
  • Instrumentpaneler för kvalitet och utgifter
  • Kostnadsbesparing utan förlorad kvalitet

Införande och förändring

  • Etablering av de personer som utför arbetet
  • Nätverk av ambassadörer och återkopplingsloopar
  • Mätning av införandestart

Från uppdrag till återanvändbar förmåga

  • Förpackning av bevisade arbete flöden
  • Rutiner, ritningar och accelerators
  • Överlämning till interna team

Krav

  • Kunnande i Python, inklusive arbete med API:er och virtuella miljöer
  • Kännedom om molnplattor, containrar och versionshantering
  • Tidigare erfarenhet av att anropa ett LLM-API eller bygga en promptbaserad funktion
  • Grundläggande förståelse av företagssystem som CRM, ERP eller ticketplattformar

Targetgrupp

  • Forward deployed engineers och tillämpade AI-engineers
  • Mjukvaruingenjörer som går över till kundinriktad AI-leverans
  • Tekniska konsulter och lösningstillverkare ansvariga för AI-urullningar
  • Plattformsspelare som stöder produktionsAI-arbetsbelastningar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier