Návrh Školení
Úvod do využití umělé inteligence ve softwarovém vývoji
- Jaký je rozdíl mezi generativní a prediktivní AI
- Příklady využití AI při programování, analýze dat a automatizaci
- Přehled velkých jazykových modelů, transformátorů a hlubokých neuronových sítí
Programování s podporou umělé inteligence a prediktivní vývoj
- Automatické doplňování kódu a jeho generování pomocí nástrojů jako GitHub Copilot nebo CodeGeeX
- Předpovídání chyb a potenciálních zranitelností v kódu před nasazením
- Automatizace kontroly kódu a navrhování optimalizací
Vytváření prediktivních modelů pro softwarové aplikace
- Principy časových řad a prediktivní analýzy
- Implementace modelů umělé inteligence pro předpovídání poptávky a detekci anomálií
- Práce s jazykem Python, knihovnami Scikit-learn a TensorFlow při tvorbě prediktivních modelů
Generativní AI pro vytváření textu, kódu i obrazů
- Práce s modely GPT, LLaMA a dalšími velkými jazykovými modely
- Generování syntetických dat, souhrnů textu a dokumentace
- Tvorba obrazů a videí pomocí modelů typu diffusion
Nasazování modelů umělé inteligence v praxi
- Hostování AI modelů prostřednictvím platforem jako Hugging Face, AWS či Google Cloud
- Vytváření API služeb založených na umělé inteligenci pro podnikové aplikace
- Doladění předtrénovaných modelů pro specifické oblasti využití
Umělá inteligence pro prediktivní podnikovou analýzu a rozhodování
- Analytika založená na AI v oblasti obchodu a chování zákazníků
- Předpovídání trendů trhu a preferencí spotřebitelů
- Automatizace optimalizace pracovních postupů pomocí AI
Etika v umělé inteligenci a osvědčené postupy vývoje
- Etické aspekty rozhodování s podporou AI
- Detekce předsudků a zajištění spravedlnosti modelů umělé inteligence
- Zásady pro vytváření transparentních a eticky správných AI řešení
Praktická cvičení a případové studie
- Implementace prediktivní analýzy na reálném datovém souboru
- Vytvoření chatbotu s využitím generativních modelů textu
- Nasazení aplikace založené na velkém jazykovém modelu pro automatizaci procesů
Shrnutí a další kroky
- Opakování klíčových poznatků z kurzu
- Doporučené nástroje a zdroje pro další studium AI
- Závěrečné otázky a odpovědi
Požadavky
- Základní znalost konceptů softwarového vývoje
- Praxe s libovolným programovacím jazykem (doporučujeme Python)
- Seznámenost se základy strojového učení či umělé inteligence je vhodná, ale není nutná
Cílové skupiny
- Softwaroví vývojáři
- Inženýři specializující se na AI/ML
- Vedoucí technických týmů
- Produktoví manažeři se zájmem o aplikace využívající umělou inteligenci
Reference (2)
tipy a doporučené prompty, které si z tohoto školení odneseme
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Kurz - InVideo AI: Creating Engaging Short-Form Videos
Přeloženo strojem
Využívání správných a efektivních promptů
Marses Pacaldo
Kurz - Generative AI and Prompt Engineering for Corporate Professionals
Přeloženo strojem