Zkuste nás kontaktovat
 Doba trvání 28 hodiny

Návrh Školení

Inženýr pro nasazení AI

  • Rola inženýra pro nasazení AI vs. ML inženýr a solutions inženýr
  • Odpovědnost za výsledky, nikoli za milníky dodávky
  • Spolupráce s týmy produktů, výzkumu a bezpečnosti

Discovery v neuspořádaných podnicích

  • Observace workflowu od začátku do konce
  • Mapování systémů, dat a handoffů
  • Nalezení omezení, které blokuje hodnotu

Definice problému a priorizace

  • Kvalifikace use case podle proveditelnosti
  • Hodnocení kandidátských workflowů podle vynaloženého úsilí
  • Výběr prvního workflowu k prokázání

Rámec hodnoty a kritéria přijetí

  • Vyčíslení základních metrik před jakýmkoli vývojem
  • Jazyk business case pro finanční sponzory
  • Dohoda kritérií přijetí s uživateli

Výběr modelů: Frontier a open weights

  • Porovnání GPT-6, Claude 5.5 a otevřených modelů
  • Kompromisy mezi kontextem, latencí a jednotkovými náklady
  • Kdy pravidla pro data vynucují lokálně hostované modely

Inženýrství kontextu a návrh promptů

  • Strukturace instrukcí pro spolehlivé chování
  • Shromáždění kontextu z systémů záznamu
  • Cache promptů a minimalizace tokenů

Recherche a zakotvení znalostí

  • Chunking a indexace podnikového obsahu
  • Hybridní vyhledávání, reranking a citace
  • Evaluace recherche odděleně od generování

Agenti a použití nástrojů

  • Návrh nástrojů a typovaných rozhraní
  • Vývoj s agentickými SDK od OpenAI a Claude
  • Schvalování, opakování a zpracování chyb

MCP a integrace s podnikem

  • Revize protokolu Model Context Protocol z 28. 7. 2026
  • Vývoj a zabezpečení MCP serverů
  • Povolení nástrojů vůči podnikové identitě

Evaluace jako jazyk dodávky

  • Zlaté sady postavené na reálné práci
  • Automatizované skóre a LLM soudci
  • Vydávací brány vázané na evaluační práhové hodnoty

Guardrails, bezpečnost a lidský dohled

  • Guardrails na vrstvě promptu, nástrojů a politik
  • Eskalace a body lidského přezkumu
  • Auditní stopy a povinnosti ohledně zpracování dat

Architektura nasazení v perimetru zákazníka

  • Omezení identit, sítě a residency dat
  • Model gateway a abstrakce více poskytovatelů
  • Infrastruktura jako kód a proces vydání

Observability, náklady a token ekonomika

  • Sledování běhů agentů a výzvy k nástrojům
  • Nadašboards pro kvalitu a výdaje
  • Snižování nákladů bez ztráty kvality

Adopce a změna

  • Povolení pro lidi, kteří práci dělají
  • Sítě šampionů a zpětnovazebné smyčky
  • Měření rychlosti adopce

Od zakázky k znovu použitelné schopnosti

  • Balíkování prokázáných workflowů
  • Playbooky, blueprinty a akcelerátory
  • Předání vnitřním týmům

Požadavky

  • Znalost Pythonu, včetně práce s API a virtuálními prostředími
  • Přehled o cloudových platformách, kontejnerizaci a správě verzí
  • Předchozí zkušenosti s voláním LLM API nebo vývojem funkce založené na promptech
  • Základní pochopení podnikových systémů, jako jsou CRM, ERP nebo ticketingové platformy

Cílová skupina

  • Inženýři pro nasazení AI a aplikovaní AI inženýři
  • Softwaroví inženýři, kteří se přesouvají k dodávce AI zákazníkům
  • Techničtí konzultanti a architekti řešení odpovědní za nasazení AI
  • Platformní inženýři podporující produkční AI workloady

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie