Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Modul 1: Úvod a teorie AI
- Modelově orientovaný přístup: Umělá inteligence jako inženýrský problém.
- Odhalení „ducha v mechanismu“: Co AI skutečně je a co není.
- Vývoj technologií: Od BERTu po modely Transformer.
- Oblasti generování: analýza, tvůrčí činnost, výzkum, generování obrázků, hudby a videa.
- Správa dat: zásady, kontroly a aktuální trendy (multimodalita, agenty, RAG, rozdíly mezi LLM a SLM).
- Temná stránka AI: etika, ochrana duševního vlastnictví, předpojatosti, halucinace a sociální inženýrství.
- Hodnocení rizik: kontaminace dat, Nepenthes a nebezpečí omezení kvalit lidských schopností.
- Taxonomie modelů: modely základové vs. specializované na konkrétní úlohy; modely s uzavřenými i otevřenými parametry.
Modul 2: Současná situace a nástroje
- Scéna jazykových modelů: srovnání výkonu a měřítek.
- Kritéria pro výběr profesionálních řešení: náklady, latence, ochrana soukromí a závislost na dodavateli.
- Přehled velkých modelů: OpenAI ChatGPT, Perplexity, Gemini a Grok.
- Specializované a malé modely: Manus, SpecKit.
- Generování grafiky: nástroj Perchance.
- Technická omezení: problém ztráty kontextu a vliv počtu tokenů na náklady.
Modul 3: Interakce – prompt a kontextový inženýring
- Rámec pro ověření výstupů: úplnost, konzistence a možnost verifikace.
- Strategie RAG: kdy využít Retrieval-Augmented Generation a kdy fine-tuning.
- Návratnost investic do AI: náklady na údržbu versus zisk v produktivitě.
- Pokročilé techniky: více než 20 metod prompt engineeringu a RAG s konkrétními příklady z praxe.
- Experimentální možnosti: triangulace, přehled Map & Terrain a generování pomocí modelů.
Modul 4: AI v agilním projektovém řízení
- Pilotní využití superpočítače: umělá inteligence jako automatizační nástroj.
- Rozhodování: odpovědnost člověka versus pomoc AI.
- AIOps a GitOps: začlenění umělé inteligence do operačních procesů.
- Nástrojové řetězce a pipeline: vytvoření homogenního prostředí ovládaného AI.
- Agilní artefakty: produkťový backlog, roadmapa a tvorba požadavků.
- Precisní řízení projektů: plánování kapacit a odhady (rozdíly mezi přesností a mírou přesnosti).
- Vlastnictví produktu: tvorba nápadů, analýza funkcí a rizika spojená s vibe-codingem.
- Řízení rizik a scénářů: plánování možných vývojů a automatizované řízení rizik.
- Upřesňování požadavků: popis a zdokonalování uživatelských příběhů.
Požadavky
- Základní znalost Agile manifestu a rámce Scrum.
- Praktické zkušenosti s řízením projektů, vedením produktu nebo týmu.
- Předchozí programátorské či inženýrské znalosti v oblasti AI nejsou nutné; doporučuje se však alespoň obecná orientace v digitálních nástrojích.
Cílová skupina
- Agile projektoví manažeři a Scrum Masterové.
- Vlastníci produktů a produktoví manažeři.
- Vedoucí IT týmů a manažeři realizace projektů.
- Business analytici pracující v agilním prostředí.
- Operační manažeři zajímající se o AIOps.
7 Hodiny
Reference (1)
Chápejte funkce a nástroje umělé inteligence, aby nám usnadnily práci. Je nutno zlepšit AI Chubb, například co se týče tvorby analýz a prezentací.
Tri wulandari - PT Chubb Life Insurance Indonesia
Kurz - AI Literacy & Productivity
Přeloženo strojem
