Kursplan

Introduktion till Konversations AI och Små Språkliga Modeller (SLM)

  • Grunderna i konversations AI
  • Översikt över SLM och deras fördelar
  • Fallstudier av SLM i interaktiva applikationer

Design av Konversationsflöden

  • Principer för interaktionsdesign mellan människa och AI
  • Skapande av engagerande och naturliga dialoger
  • Användarupplevelse (UX) överväganden

Byggande av Kundservicebots

  • Användningsfall för kundservicebots
  • Integrering av SLM i kundserviceplattformar
  • Hantering av vanliga kundfrågor med AI

Träning av SLM för Interaktion

  • Datainsamling för konversations AI
  • Träningstekniker för SLM i dialogsystem
  • Finjustering av modeller för specifika interaktionsscenarier

Utvärdering av Interaktionskvalitet

  • Mått för att bedöma konversations AI
  • Användartester och insamling av feedback
  • Iterativ förbättring baserat på utvärdering

Röstsaktiverade och Multimodala Interaktioner

  • Inkorporering av röstsäkerhet med SLM
  • Design av multimodala interaktioner (text, röst, visuella element)
  • Fallstudier av röstassistenter och chatbots

Personifiering och Kontextuell Förståelse

  • Tekniker för att personifiera interaktioner
  • Kontextmedveten hantering av konversationer
  • Integritet och datasäkerhet i personifierad AI

Etiska Överväganden och Minskning av Fördomar

  • Etiska ramverk för konversations AI
  • Identifiering och minskning av fördomar i interaktioner
  • Säkerställande av inkludering och rättvisa i AI-kommunikation

Distribuering och Skalbarhet

  • Strategier för att distribuera konversations AI-system
  • Skalning av SLM för bred användning
  • Övervakning och underhåll av AI-interaktioner efter distribuering

Capstone-projekt

  • Identifiering av ett behov av konversations AI inom ett valt område
  • Utveckling av en prototyp med SLM
  • Testning och presentation av den interaktiva applikationen

Slutgiltig Bedömning

  • Inlämning av en capstone-projektrapport
  • Demonstration av ett funktionsdugligt konversations AI-system
  • Bedömning baserat på innovation, användarengagemang och teknisk utförande

Sammanfattning och Nästa Steg

Krav

  • Grundläggande förståelse för artificiell intelligens och maskininlärning
  • Skicklighet i Python-programmering
  • Erfarenhet av koncept inom Naturlig Språksbehandling

Målgrupp

  • Datavetare
  • Maskininlärningstekniker
  • AI-forskare och utvecklare
  • Produktchefer och UX-designers
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier