Kursplan

Introduksjon til LLM med åpen kildekode

  • Oversikt over DeepSeek, Mistral, LLaMA og andre åpen kildekode-modeller
  • Hvordan LLM-er fungerer: Transformatorer, selvoppmerksomhet og trening
  • Sammenligning av åpen kildekode LLM-er vs. proprietære modeller

Fine-Tuning og tilpasse LLM-er

  • Dataforberedelse for finjustering
  • Trening og optimalisering av LLM-er ved hjelp av Hugging Face
  • Evaluering av modellytelse og skjevhetsdemping

Bygning AI Agents med LLM-er

  • Introduksjon til LangChain for utvikling av AI-agent
  • Utforme agentbaserte arbeidsflyter med LLM-er
  • Minne, gjenfinningsforsterket generasjon (RAG) og handlingsutførelse

Utplassering av LLM-basert AI Agents

  • Containerizing AI-agenter med Docker
  • Integrering av LLM-er i bedriftsapplikasjoner
  • Skalering av AI-agenter med skytjenester og APIer

Sikkerhet og samsvar i Enterprise AI

  • Etiske hensyn og etterlevelse av regelverk
  • Redusere risiko i AI-drevet automatisering
  • Overvåking og revisjon av AI-agentadferd

Kasusstudier og virkelige applikasjoner

  • LLM-drevne virtuelle assistenter
  • AI-drevet dokumentautomatisering
  • Egendefinerte AI-agenter for bedriftsanalyse

Optimalisering og vedlikehold av LLM-baserte agenter

  • Kontinuerlig modellforbedring og oppdatering
  • Utplassere overvåkings- og tilbakemeldingssløyfer
  • Strategier for kostnadsoptimalisering og ytelsesjustering

Sammendrag og neste trinn

Krav

  • God forståelse for AI og maskinlæring
  • Erfaring med Python programmering
  • Kjennskap til store språkmodeller (LLM) og naturlig språkbehandling (NLP)

Publikum

  • AI-ingeniører
  • Enterprise programvareutviklere
  • Business ledere
 21 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories