Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
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