Návrh Školení

Úvod do konverzačního umělého inteligence (AI) a malých jazykových modelů (SLMs)

  • Základy konverzačního AI
  • Přehled SLMs a jejich výhod
  • Případové studie použití SLMs ve interaktivních aplikacích

Navrhování konverzačních toků

  • Principy návrhu lidsko-AI interakce
  • Vytváření zaujatelných a přirozených dialogů
  • Aspekty uživatelského zážitku (UX)

Vývoj chatbotů pro zákaznickou podporu

  • Případové využití chatbotů pro zákaznickou podporu
  • Integrace SLMs do platformy zákaznické podpory
  • Zpracování běžných dotazů zákazníků s pomocí AI

Trénování SLM pro interakce

  • Shromažďování dat pro konverzační AI
  • Techniky trénování SLMs v dialogových systémech
  • Finetuning modelů pro specifická interakční scénáře

Hodnocení kvality interakce

  • Metriky pro hodnocení konverzačního AI
  • Uživatelské testování a sběr zpětné vazby
  • Iterativní úpravy na základě hodnocení

Hlasové a multimodální interakce

  • Zahrnutí rozpoznávání hlasu s SLMs
  • Navrhování multimodálních interakcí (text, zvuk, vizualizace)
  • Případové studie asistentů s hlasovou kontrolou a chatbotů

Personalizace a kontextuální porozumění

  • Techniky pro personalizaci interakcí
  • Kontextová konverzační správa
  • Soukromí a zabezpečení dat v personalizovaném AI

Etnické aspekty a snižování předsudků

  • Etnické rámce pro konverzační AI
  • Identifikace a eliminace předsudků v interakcích
  • Zajištění inkluzivity a spravedlnosti ve komunikaci s pomocí umělé inteligence

Nasazení a škálování

  • Strategie pro nasazování konverzačních AI systémů
  • Škálování SLMs pro rozšířené použití
  • Monitoring a udržování interakcí s umělou inteligencí po nasazení

Kapstone Projekt

  • Identifikace potřeby konverzačního AI v vybraném oboru
  • Vývoj prototypu pomocí SLMs
  • Testování a prezentace interaktivní aplikace

Poslední hodnocení

  • Odevzdání závěrečného sestavy kapstone projektu
  • Demonstrace funkčního konverzačního AI systému
  • Hodnocení na základě inovativnosti, uživatelské angažovanosti a technické realizace

Shrnutí a další kroky

Požadavky

  • Základní znalost umělé inteligence a strojového učení
  • Proficiency v programování Python (Poznámka: Toto slovo se často ponechává beze změny)
  • Zkušenosti s koncepty zpracování přirozeného jazyka

Cílová skupina

  • Datoví vědci
  • Inženýři strojového učení
  • Výzkumníci a vývojáři AI
  • Manažeri produktů a návrháři UX
 14 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie