План на курса
Въведение в AI за разработка на софтуер
- Какво е Генеративен AI спрямо Предсказателен AI
- Приложения на AI в кодиране, анализ и автоматизация
- Обзор на LLMs, трансформери и модели на дълбоко обучение
AI-подпомагано кодиране и предсказателно разработване
- AI-подпомагано завършване и генериране на код (GitHub Copilot, CodeGeeX)
- Предсказване на грешки в кода и уязвимости преди развертането
- Автоматизиране на прегледи на кода и оптимизационни предложения
Сграждане на предсказателни модели за софтуерни приложения
- Разбиране на прогнозиране на временни редове и предсказателен анализ
- Внедряване на AI модели за прогнозиране на потребителския спрос и откриване на аномалии
- Използване на Python, Scikit-learn и TensorFlow за предсказателно моделиране
Генеративен AI за генериране на текст, код и изображения
- Работа с GPT, LLaMA и други LLMs
- Генерация на синтетични данни, резюмета на текстове и документация
- Създаване на AI-генерирани изображения и видеа с дифузионни модели
Развертане на AI модели в реални приложения
- Хостинг на AI модели с Hugging Face, AWS и Google Cloud
- Сграждане на API-базирани AI услуги за бизнес приложения
- Настройване на предобучени AI модели за задачи, специфични за областта
AI за предсказателни бизнес инсайти и вземане на решения
- BI, подпомогнат от AI и анализ на клиентите
- Предсказване на пазарни тенденции и поведение на потребителите
- Автоматизация на оптимизации на работите процеси с AI
Етичен AI и добри практики при разработката
- Етични разсъждения при вземане на решения с помощта на AI
- Откриване на предразсъдъци и справедливост в AI моделите
- Добри практики за интерпретируем и отговорен AI
Практически семинари и случаи за изучаване
- Внедряване на предсказателен анализ за реален набор от данни
- Сграждане на чатбот, подпомогнат от AI с генериране на текст
- Развертане на приложение, базирано на LLM за автоматизация
Резюме и следващи стъпки
- Преглед на ключовите изводи
- AI инструменти и ресурси за допълнително изучаване
- Финален сесия с въпроси и отговори
Изисквания
- Разбиране в основните концепции на разработка на софтуер
- Опит с какъвто и да е език за програмиране (препоръчва се Python)
- Завършеност с основните принципи на машинното обучение или ИА (препоръчва се, но не е задължително)
Целева аудитория
- Разработчици на софтуер
- Инженери по ИА/МО
- Технически ръководители на екипи
- Мениджъри на продукти, заинтересовани в приложения с подкрепа на ИА
Отзиви от потребители (2)
Интерактивният стил, упражненията
Tamas Tutuntzisz
Курс - Introduction to Prompt Engineering
Машинен превод
Отличен събир на ресурси за бъдещо ползване, стил на преподавателя (пълен с добър чувството за хумор, великолепен ниво на детайлnost)
Adam - GE Aerospace Poland Sp. z o.o.
Курс - Prompt Engineering for ChatGPT
Машинен превод