Съдържание и теми, включени в курса
Въведение в AI за разработка на софтуер
- Какво е генеративен AI срещу предиктивен AI
- Приложения на AI в кодирането, анализите и автоматизацията
- Обзор на LLM, трансформъри и модели за дълбоко обучение
AI-подпомогнато кодиране и предиктивна разработка
- AI-задвижвано довършване и генериране на код (GitHub Copilot, CodeGeeX)
- Предсказване на грешки в кода и уязвимости преди внедряване
- Автоматизиране на прегледи на код и предложения за оптимизация
Изграждане на предиктивни модели за софтуерни приложения
- Разбиране на прогнозирането на времеви редове и предиктивните анализи
- Внедряване на AI модели за прогнозиране на търсенето и откриване на аномалии
- Използване на Python, Scikit-learn и TensorFlow за предиктивно моделиране
Генеративен AI за генериране на текст, код и изображения
- Работа с GPT, LLaMA и други LLM
- Генериране на синтетични данни, текстови обобщения и документация
- Създаване на генерирани от AI изображения и видеоклипове с дифузионни модели
Внедряване на AI модели в реални приложения
- Хостинг на AI модели чрез Hugging Face, AWS и Google Cloud
- Изграждане на базирани на API AI услуги за бизнес приложения
- Фино настройване на предварително обучени AI модели за специфични за домейн задачи
AI за предиктивни бизнес прозрения и вземане на решения
- AI-задвижвана бизнес интелигентност и клиентски анализи
- Предсказване на пазарни тенденции и потребителско поведение
- Автоматизиране на оптимизации на работни потоци с AI
Етичен AI и най-добри практики в разработката
- Етични съображения при вземане на решения с помощта на AI
- Откриване на пристрастия и справедливост в AI моделите
- Най-добри практики за интерпретируем и отговорен AI
Практически семинари и казуси
- Внедряване на предиктивни анализи за реален набор от данни
- Изграждане на чатбот, задвижван от AI, с генериране на текст
- Внедряване на базирано на LLM приложение за автоматизация
Обобщение и следващи стъпки
- Преглед на ключовите изводи
- AI инструменти и ресурси за по-нататъшно обучение
- Финална сесия за въпроси и отговори
Изисквания
- Разбиране на основни концепции за разработка на софтуер
- Опит с всеки език за програмиране (препоръчително Python)
- Запознатост с основите на машинното обучение или AI (препоръчително, но не е задължително)
Аудитория
- Разработчици на софтуер
- AI/ML инженери
- Технически ръководители на екипи
- Продуктови мениджъри, интересуващи се от приложения, задвижвани от AI
Отзиви от участници (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