Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Den 1: Budování základu – Ingestie, Vyhledávání, Nalezení
Modul 1: Krajina právního inženýra
- Cíle učení – pochopit roli, kde se AI nachází v právní práci a dvě rizika, která procházejí vším.
- Témata
-
- Rola právního inženýra a proč se najímá právě teď
- Kde se nachází AI: eDiscovery, review, smlouvy, výzkum, vyšetřování; model EDRM v prostých termínech
- Stavět vs. Kupovat
- Dvě rizika, která procházejí vším: důvěrnost/privilegium a obhajitelnost
Modul 2: Právní data jsou neuspořádaná – Ingestie a extrakce
- Cíle učení – zvládnout realitu právních dat ve velkém měřítku.
- Témata
- 1400+ typů souborů, emaily a PST, naskenované papíry, load files (.dat/.opt); vložené metadata, která mají význam
- Extrakce textu (Tika), OCR a de-duplikace jako volba
- Laboratoř: Ingestie FreeEed – postavte ingestion pipeline přes záměrně neuspořádanou sadu dokumentů (email/PST, skeny, load files)
Modul 3: Vyhledávání a nalezení – základ
- Cíle učení – postavit základní primitivum eDiscovery: najít cokoli uvnitř všeho.
- Témata – full-textové vyhledávání a indexování (Solr/Lucene); relevance, filtrace metadata a data; vyhledávání přes OCR-ované obsahy
- Laboratoř: Vyhledávání eDiscovery – indexujte korpus a spusťte reálná vyhledávání stylu eDiscovery, včetně uvnitř OCR-skenu
Modul 4: RAG pro právní dokumenty – s citacemi
- Cíle učení – postavit RAG nad právními dokumenty, který cituje své zdroje.
- Témata
- Proč nalezení, ne fine-tuning, pro citlivý materiál – model nikdy nepohltil dokumenty
- Chunking, embeddings a především citace / provenance
- Souhrny více dokumentů a vláken
- Laboratoř: Právní RAG s citacemi – postavte RAG Q&A nad sadu dokumentů, který odpovídá se zdrojovými citacemi
Den 2: Udržení soukromí, obhajitelnosti a dodání
Modul 5: Soukromí, privilegií a lokální serving – Past privilege
- Cíle učení – udržet právní data lokálně a být schopen je certifikovat.
- Témata
- Kde data skutečně jdou, když narazí na cloud AI
- Waiver privilege, povinnost kompetence a „soukromý“ spektrum (smluvní vs. fyzický)
- Morgan v. V2X a proč je lokální soudně obhajitelné
- Serving lokálních modelů(Ollama / vLLM) a monitorování outboundtraffic.
- Laboratoř: Lokální model + Egress Proof – spusťte lokální model end-to-end a proveďte, s monitoringem, že žádná data neodešla
Modul 6: Obhajitelné AI review
- Cíle učení – měřit a dokumentovat AI review, aby obstálo.
- Témata
- Čísla, která obstojí v soudu: recall, elusion, precision, ground-truth validace; TAR / aktivní učení
- Transparentnost (proč tento dokument kodifikoval?) a reprodukovatelnost – přichyťte model, fixněte nastavení, logujte vše
- „Obhajitelný případový snapshot“, který někomu umožní znovu spustit vaše review o rok později a získat stejný výsledek
- Laboratoř: Obhajitelné review – změřte AI review proti slepému ground truth a produkujte balíček reprodukovatelnosti
Modul 7: Dodání – Workflow, privátní nasazení a governace
- Cíle učení – sestavit kousky do workflow, nasadit je soukromě a skórovat.
- Témata
- Více kroků právního workflow (ingest → search → summary → review → produce) s člověkem v smyčce
- Základní principy privátní/na-místě nasazení (containerizovat; udržet data uvnitř budovy)
- AI governace pro právo krátce a skórování systému s SAIS-100 (Elephant Scale Secure AI Score)
- Laboratoř: Skórování a Zabalení – propojte více kroků workflow, skórujte jej pomocí SAIS-100 a zabalte pro privátní nasazení
Finální projekt (integrován napříč dnem 2)
- Postavte soukromou, obhajitelnou právní AI aplikaci end-to-end – ingestujte neuspořádaný korpus, vyhledejte jej, odpovídejte na otázky pomocí citací pomocí lokálního modelu, změřte obhajitelné review a zabalte pro privátní nasazení.
- Účastníci odejdou s portfoliovým projektem, který je prací právního inženýra.
Volitelný den 3 / Pokročilé moduly (dodávatelné jako 3. den nebo modulární série)
- Vyšetřování: Entity, Vztahy a Časové osy – extrahovat lidi/orgy/daty, rekonstruovat emailová vlákna, budovat chronologie, mapovat téměř duplikáty a linii dokumentů. Laboratoř: postavit timeline a pohled entity/vztahu.
- Agentic and Multi-Step Legal Workflows (hluboký) – bohatší orchestrace, analýza smluv, syntéza více dokumentů, použití nástrojů a guardrails jako princip designu. Laboratoř: postavit více kroků workflow s lidskou kontrolní bodem.
- Nasadění ve velkém – na-místě a appliance nasazení, distribuované zpracování pro velké objemy, regulovaná prostředí (CJIS, vláda, vysoké školy), velikost hardwaru. Laboratoř: containerizujte a škálujte pracovní úkol napříč pracovníky.
- Poglubný pohled na governaci a compliance – krajinu AI regulace (100+ amerických států s AI zákony, EU AI Act), požadavky auditu a plný SAIS-100 governance audit. Laboratoř: auditujte právní AI systém proti governaci/obhajitelnosti checklist.
Požadavky
- Pohodlí s Pythonem a základními API
- Užitečné: obeznámenost s LLM na uživatelské úrovni (žádné ML pozadí není potřeba – budujeme myšlenkový model)
- Žádné právní pozadí není potřeba – právní koncepty, které potřebujete, jsou vyučovány v kontextu
Cílová skupina
- Softwaroví / AI inženýři přecházející do legal-tech
- Inženýři firem v oblasti legal-tech, kteří potřebují hloubku právní domény
- Technicky orientovaní právníci / eDiscovery / informační správci, kteří chtějí stavět, ne jen kupovat
- Kdokoli cílující na roli „právní inženýr“ / „AI právní inženýr“
14 Hodiny
Reference (1)
Získal jsem znalosti týkající se knihovny Streamlit v Pythonu a určitě ji budu snažit použít k zlepšení aplikací ve svém týmu, které jsou vytvořeny v R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurz - GitHub Copilot for Developers
Přeloženo strojem
