Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Ziua 1 – Elemente de Bază ale AI-ului Generativ și LLM
Introducere în AI generativ și cazuri de utilizare LLM
Înțelegerea modelelor bazate pe transformatoare (GPT, LLaMA, T5 etc.)
Tokeni, tokenizare și embeddings
Lucrul cu modele pre-antrenate prin API-uri (OpenAI, Claude)
Lucrul cu modele pre-antrenate prin Hugging Face
Elemente de bază ale promptării: zero-shot și few-shot prompting
Lucru practic: inginerie de prompt într-un notebook Python
Construirea unei aplicații simple bazate pe LLM (CLI sau web)
Limite practice: tokeni, limite de rată și tehnici de bază de fiabilitate
Ziua 2 – RAG și Căutare Vectorială
De ce RAG: combinarea LLM-urilor cu datele proprii
Arhitectura RAG: ingestie, indexare, recuperare, generare
Pregătirea și segmentarea documentelor pentru recuperare
Generarea embeddings de text cu API-uri sau Hugging Face
Introducere în stocări vectoriale (de ex. Chroma, Pinecone)
Lucru practic: construirea unui script de bază de căutare semantică
Lucru practic: construirea unui sistem de întrebări și răspunsuri pe baza documentelor cu RAG
Scalarea ingestiei și embeddings-urilor (prezentare generală a fluxurilor de lucru cu date mari)
Trade-off-uri de proiectare în RAG: segmentare, top-k, cost vs calitate
Ziua 3 – Fluxuri de Lucru, Agenți și Producție
Ce sunt agenții AI și când să îi folosești
Introducere în LangGraph și fluxurile de lucru bazate pe grafuri LLM
Lucru practic: construirea unui flux de lucru simplu LangGraph cu instrumente
Adăugarea memoriei și a raționamentului în mai mulți pași în fluxurile de lucru
Combinarea RAG și agenților (RAG agentic)
Monitorizarea și evaluarea sistemelor LLM și RAG
Opțiuni de implementare pentru aplicații LLM (API-uri, containere, servicii)
Strategii de optimizare a costurilor și performanței
Siguranță de bază, garduri și utilizare responsabilă
Mini-proiect capstone: demonstrație de aplicație RAG/agent de la un capăt la celălalt demo
Cerințe
competențe solide de programare în Python și familiaritate cu API-uri.
Publicul țintă:
Acest curs este destinat organizațiilor care doresc să treacă de la experimentare la soluții reale bazate pe LLM. Este potrivit pentru ingineri de software, backend și full-stack care integrează LLM-uri în produse și servicii; ingineri de date și machine learning care lucrează cu RAG, embeddings și căutare vectorială; arhitecți de soluții și enterprise care proiectează arhitecturi bazate pe LLM; precum și pentru proprietari de produse tehnice și lideri de inginerie responsabili de evaluarea cazurilor de utilizare, costurilor și riscurilor AI.
21 Ore
Mărturii (3)
Trainerii pot răspunde la toate întrebările și pot accepta orice interogări
Dewi Anggryni - PT Dentsu International Indonesia
Curs - Copilot for Finance and Accounting Professionals
Tradus de catre o masina
Explorarea diferitelor cazuri de utilizare și a aplicațiilor AI a fost utilă. Mi-a plăcut prezentarea detaliată a diferitelor Agenți AI.
Axel Schulz - CANARIE Inc
Curs - Microsoft 365 Copilot: AI Productivity Across Word, Excel, PowerPoint, Outlook, and Teams
Tradus de catre o masina
M-am bucurat că instrucționarul avea multe cunoștințe și le-a împărtășit cu noi
Daria Pawlak - LKQ POLSKA SPOLKA Z OGRANICZONA ODPOWIEDZIALNOSCIA
Curs - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Tradus de catre o masina
