Schița de curs
Introducere în inteligența artificială pentru dezvoltarea software
- Ce este inteligența artificială generativă vs predictivă
- Aplicații ale inteligenței artificiale în codare, analize și automatizare
- Prezentare generală a modelelor LLM, transformatoarelor și modelelor de învățare profundă
Codare asistată de inteligență artificială și dezvoltare predictivă
- Completare și generare de cod asistată de inteligență artificială (GitHub Copilot, CodeGeeX)
- Prezicerea bug-urilor și vulnerabilităților de cod înainte de implementare
- Automatizarea recenziilor de cod și sugestiilor de optimizare
Construirea modelelor predictive pentru aplicații software
- Înțelegerea previziunilor bazate pe serii temporale și a analizelor predictive
- Implementarea modelelor de inteligență artificială pentru previziunea cererii și detectarea anomaliilor
- Utilizarea Python, Scikit-learn și TensorFlow pentru modelarea predictivă
Inteligența artificială generativă pentru generarea de text, cod și imagini
- Lucrul cu GPT, LLaMA și alte modele LLM
- Generarea de date sintetice, rezumate de text și documentație
- Crearea de imagini și videoclipuri generate de inteligență artificială cu modele de difuzie
Implementarea modelelor de inteligență artificială în aplicații din lumea reală
- Găzduirea modelelor de inteligență artificială folosind Hugging Face, AWS și Google Cloud
- Construirea de servicii API bazate pe inteligență artificială pentru aplicații de business
- Ajustarea modelelor de inteligență artificială pre-antrenate pentru sarcini specifice domeniului
Inteligența artificială pentru informații și luarea deciziilor predictive în business
- Inteligența de business și analiza clienților bazate pe inteligență artificială
- Prezicerea tendințelor de piață și a comportamentului consumatorilor
- Automatizarea optimizării fluxurilor de lucru cu inteligența artificială
Inteligența artificială etică și cele mai bune practici în dezvoltare
- Considerații etice în luarea deciziilor asistate de inteligență artificială
- Detectarea părtinirilor și corectitudinea în modelele de inteligență artificială
- Cele mai bune practici pentru inteligența artificială interpretabilă și responsabilă
Ateliere practice și studii de caz
- Implementarea analizelor predictive pentru un set de date din lumea reală
- Construirea unui chatbot alimentat de inteligență artificială cu generare de text
- Implementarea unei aplicații bazate pe modele LLM pentru automatizare
Rezumat și pași următori
- Recapitularea punctelor cheie
- Instrumente și resurse de inteligență artificială pentru învățare continuă
- Sesiune finală de întrebări și răspunsuri
Cerințe
- Înțelegerea conceptelor de bază ale dezvoltării software
- Experiență cu orice limbaj de programare (se recomandă Python)
- Familiaritate cu noțiunile de bază ale învățării automate sau ale inteligenței artificiale (recomandat, dar nu obligatoriu)
Publicul țintă
- Dezvoltatori software
- Ingineri AI/ML
- Lideri de echipe tehnice
- Manageri de produse interesați de aplicații alimentate de inteligență artificială
Mărturii (2)
Stilul interactiv, exercițiile
Tamas Tutuntzisz
Curs - Introduction to Prompt Engineering
Tradus de catre o masina
Un depozit excelent de resurse pentru viitor, stilul instrucționist (plin de umor și cu un nivel de detaliu foarte bun)
Adam - GE Aerospace Poland Sp. z o.o.
Curs - Prompt Engineering for ChatGPT
Tradus de catre o masina