Návrh Školení

Úvod do open-source LLMs

  • Přehled o DeepSeeku, Mistralu, LLaMA a dalších open-source modelech
  • Jak fungují LLMs: transformerové sítě, samo-úcta a trénování
  • Srovnání open-source LLMů s proprietními modely

Práce s personalizací a finetuningem LLMs

  • Příprava dat pro finetuning
  • Trénování a optimalizace LLMů pomocí Hugging Face
  • Vyhodnocení výkonu modelu a zmírnění biasů

Vytváření AI agentů s použitím LLMs

  • Úvod do LangChain pro vývoj AI agentů
  • Návrh pracovních postupů na základě agentů pomocí LLMs
  • Paměť, generace doplněná získáním informací (RAG) a výkon akcí

Nasazování AI agentů s podporou LLMs

  • Kontainerizace AI agentů pomocí Dockeru
  • Integrace LLMů do podnikových aplikací
  • Škálování AI agentů s cloud services a API

Bezpečnost a soulad ve firemním AI

  • Etické aspekty a soulad s předpisy
  • Zmírnění rizik v automatizaci prováděné AI
  • Sledování a audit chování AI agentů

Případové studie a reálné aplikace

  • Virtuální asistenti s podporou LLMs
  • Automatizace dokumentů s AI
  • Vlastní AI agenti pro firemní analýzy

Optimalizace a udržování AI agentů s podporou LLMs

  • Pořádající modely vylepšují a aktualizují
  • Nasazování sledování a zpětných vazeb
  • Stratégie pro optimalizaci nákladů a tuningu výkonu

Shrnutí a další kroky

Požadavky

  • Silný pochopení umělé inteligence a strojového učení
  • Zkušenosti s programováním v Pythonu
  • Znalost velkých jazykových modelů (LLMs) a zpracování přirozeného jazyka (NLP)

Cílová skupina

  • Inženýři umělé inteligence
  • Vývojáři podnikového softwaru
  • Vedení firem
 21 hodiny

Počet účastníků


Price per participant

Reference (1)

Upcoming Courses

Související kategorie