-
Obiectiv: Oferirea unei perspective complete și aplicate asupra capabilităților AI generativ pentru
procesarea textului, documentelor și căutărilor pe internet, cu accent pe înțelegerea conceptuală,
demonstrații practice și studii de caz relevante. Participanții vor învăța fundamentele AI generativ și
ingineria prompturilor, vor explora integrarea cu procese de automatizare și vor lucra hands-on pe
scenarii reale: căutare și interpretare date de pe platforme concurente, extragere de informații din
documente interne, identificare coduri/piese din scheme logice și utilizarea agenților AI pentru research
și integrare de date. Cursul urmărește să ofere atât cunoștințe teoretice, cât și abilități practice, direct
aplicabile în proiecte de business
1. Introducere și context
Obiectivele cursului și agenda
Ce este AI generativ? Diferențe față de AI clasic
Ce este ChatGPT și ce poate face în business
2. Fundamente AI Generativ și Machine Learning
Concepte cheie: inteligență artificială, machine learning, deep learning
Algoritmi și tehnici de bază în AI
Peisajul AI actual: LLM-uri, modele multimodale, agenți, RPA
3. Fundamente LLM și Ingineria Prompturilor
Cum funcționează LLM-urile (explicații conceptuale)
Framework de Prompt Engineering (Rol, Task, Context, etc.)
Tehnici esențiale: zero-shot, few-shot, chain of thought (CoT) – principii și exemple rapide
4. Procesare documente și Knowledge Management (Introducere)
Citirea automată și extragerea informațiilor din documente mari
Structurarea informațiilor dintr-un repository de documente
Retrieval-Augmented Generation (RAG): ce este, cum funcționează, aplicații
5. Studii de caz practice folosind API calls
Studiu de caz 1: Căutare și interpretare date pe platforme concurente
Căutare automată pe internet (SERP API, deep research pe site-uri specifice)
Extragere și structurare date de pe pagini de produse/platforme concurente
Interpretare automată a datelor extrase (prețuri, coduri, specificații)
Studiu de caz 2: Căutare și extragere informații din documente interne
Căutare în fișiere de diferite formate PDF, Word, Excel (contracte, scheme, anexe, tabele)
Parsing documente, stocare conținut pe pagini/secțiuni, aplicare prompt pentru output
structurat
Studiu de caz 3: Extragere coduri/piese din scheme logice sau detalii tehnice
Parsing scheme logice, tabele, extragere automată de coduri sau piese de schimb
Studiu de caz 4: Automatizare și agent AI pentru research și integrare date
Agent AI care caută pe internet, citește documente, interoghează SQL și structurează răspunsul
6. Guvernanță, etică și detecție
Detecția de conținut generat de AI (importanță, provocări)
Riscuri cheie în aplicații avansate (RAG, multimodal, RPA)
Principii de utilizare responsabilă și etică
7. Concluzii și pași următori
Recapitularea capabilităților și oportunităților
Resurse pentru explorare continuă
Sesiune Q&A