Kursplan
Introduktion till AI för mjukvaruutveckling
- Vad är generativ AI vs prediktiv AI
- Användningsområden för AI inom kodning, analys och automatisering
- Översikt över LLMs, transformers och djupa lärande modeller
AI-assisterad kodning och prediktiv utveckling
- AI-drivna kodfyllnad och kodgenerering (GitHub Copilot, CodeGeeX)
- Förutspå kodfel och sårbarheter innan distribution
- Automatisera kodgranskningar och optimeringssuggestioner
Bygga prediktiva modeller för mjukvaruapplikationer
- Förstå tidsbaserad förutsägelse och prediktiv analys
- Implementera AI-modeller för efterfrågeprognos och avvikelsedetektion
- Använda Python, Scikit-learn och TensorFlow för prediktiv modellering
Generativ AI för text-, kod- och bildgenerering
- Arbeta med GPT, LLaMA och andra LLMs
- Generera syntetiska data, textsammanfattningar och dokumentation
- Skapa AI-genererade bilder och videor med diffusionsmodeller
Distribuera AI-modeller i verkliga applikationer
- Värd AI-modeller med hjälp av Hugging Face, AWS och Google Cloud
- Bygga API-baserade AI-tjänster för affärsapplikationer
- Finajustera förtränade AI-modeller för domänspecifika uppgifter
AI för prediktiva affärsinformer och beslutsfattande
- AI-drivna affärsintelligens och kundanalys
- Förutspå marknadstrender och konsumentbeteende
- Automatisera arbetsflödesoptimeringar med AI
Etisk AI och bästa praxis inom utveckling
- Etiska överväganden vid AI-assisterat beslutsfattande
- Upptäcka fördomar och rättvisa i AI-modeller
- Bästa praxis för tolkningsbar och ansvarsfull AI
Praktiska workshoppar och fallstudier
- Implementera prediktiv analys för en verklig datamängd
- Bygga en AI-driven chattbot med textgenerering
- Distribuera en LLM-baserad applikation för automatisering
Sammanfattning och nästa steg
- Översikt över nyckeltankar
- AI-verktyg och resurser för vidare lärande
- Avslutande frågestund
Krav
- Förståelse för grundläggande koncept inom mjukvaruutveckling
- Erfarenhet av något programmeringsspråk (Python rekommenderas)
- Kännedom om maskininlärning eller AI-grundläggande principer (rekommenderas men inte obligatoriskt)
Målgrupp
- Mjukvaruutvecklare
- AI/ML ingenjörer
- Tekniska teamledare
- Produktchefer intresserade av AI-drivna applikationer
Vittnesmål (3)
En genomgående översikt över bakgrunden och hur man formulerar en prompt.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Maskintolkat
tipsen och de rekommenderade prompterna vi kan ta med oss från denna träning
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Kurs - InVideo AI: Creating Engaging Short-Form Videos
Maskintolkat
användning av effektiva och lämpliga prompts
Marses Pacaldo
Kurs - Generative AI and Prompt Engineering for Corporate Professionals
Maskintolkat