Generative & Predictive AI for Developers

• Zrozumienie podstawowych koncepcji tworzenia oprogramowania
• Doświadczenie z dowolnym językiem programowania (Python zalecane)
• Znajomość podstaw uczenia maszynowego lub sztucznej inteligencji (zalecane, ale niewymagane)

Odbiorcy

• Twórcy oprogramowania
• Inżynierowie AI/ML
• Liderzy zespołów technicznych
• Menedżerowie produktów zainteresowani aplikacjami opartymi na sztucznej inteligencji

Generatywna i predykcyjna sztuczna inteligencja przekształcają rozwój oprogramowania, umożliwiając zautomatyzowane tworzenie treści, inteligentne przewidywanie i ulepszone rozwiązywanie problemów. Ten kurs koncentruje się na praktycznej implementacji modelowania predykcyjnego i generatywnych technik sztucznej inteligencji w rzeczywistych aplikacjach.

To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla średnio zaawansowanych programistów, którzy chcą tworzyć aplikacje oparte na sztucznej inteligencji przy użyciu analityki predykcyjnej i modeli generatywnych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć podstawy predykcyjnej sztucznej inteligencji i modeli generatywnych.
• Wykorzystywać narzędzia oparte na sztucznej inteligencji do kodowania predykcyjnego, prognozowania i automatyzacji.
• Wdrożyć LLM (Large Language Models) i transformatory do generowania tekstu i kodu.
• Zastosuj prognozowanie szeregów czasowych i rekomendacje oparte na sztucznej inteligencji.
• Rozwijaj i dostrajaj modele sztucznej inteligencji do rzeczywistych zastosowań.
• Ocena kwestii etycznych i najlepszych praktyk we wdrażaniu sztucznej inteligencji.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie do sztucznej inteligencji na potrzeby tworzenia oprogramowania

• Czym jest Generative AI vs Predictive AI
• Zastosowania sztucznej inteligencji w kodowaniu, analityce i automatyzacji
• Przegląd LLM, transformatorów i modeli głębokiego uczenia się

Kodowanie wspomagane przez AI i rozwój predykcyjny

• Uzupełnianie i generowanie kodu z wykorzystaniem sztucznej inteligencji (GitHub Copilot, CodeGeeX)
• Przewidywanie błędów i luk w kodzie przed jego wdrożeniem
• Automatyzacja przeglądów kodu i sugestie dotyczące optymalizacji

Tworzenie modeli predykcyjnych dla aplikacji

• Zrozumienie prognozowania szeregów czasowych i analityki predykcyjnej
• Wdrażanie modeli AI do prognozowania popytu i wykrywania anomalii
• Korzystanie z Python, Scikit-learn i TensorFlow do modelowania predykcyjnego

Generative AI do generowania tekstu, kodu i obrazów

• Praca z GPT, LLaMA i innymi programami LLM
• Generowanie danych syntetycznych, podsumowań tekstowych i dokumentacji
• Tworzenie obrazów i filmów generowanych przez sztuczną inteligencję za pomocą modeli dyfuzyjnych

Wdrażanie modeli AI w rzeczywistych aplikacjach

• Hostowanie modeli AI przy użyciu Hugging Face, AWS i Google Cloud
• Tworzenie usług AI opartych na API dla aplikacji biznesowych
• Dostrajanie wstępnie wytrenowanych modeli sztucznej inteligencji do zadań specyficznych dla domeny

Sztuczna inteligencja dla predykcyjnych Business spostrzeżeń i podejmowania decyzji

• Oparta na sztucznej inteligencji analiza biznesowa i analiza klientów
• Przewidywanie trendów rynkowych i zachowań konsumentów
• Automatyzacja optymalizacji przepływu pracy za pomocą AI

Etyczna sztuczna inteligencja i najlepsze praktyki w rozwoju

• Kwestie etyczne w podejmowaniu decyzji wspomaganych przez sztuczną inteligencję
• Wykrywanie stronniczości i uczciwość w modelach AI
• Najlepsze praktyki w zakresie interpretowalnej i odpowiedzialnej sztucznej inteligencji

Praktyczne warsztaty i studia przypadków

• Wdrażanie analizy predykcyjnej dla rzeczywistego zbioru danych
• Tworzenie chatbota opartego na sztucznej inteligencji z generowaniem tekstu
• Wdrażanie aplikacji opartej na LLM do automatyzacji

Podsumowanie i kolejne kroki

• Przegląd kluczowych wniosków
• Narzędzia i zasoby AI do dalszej nauki
• Końcowa sesja pytań i odpowiedzi