Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduksjon til Conversational AI og små språkmodeller (SLM)
- Grunnleggende om konversasjons-AI
- Oversikt over SLM-er og deres fordeler
- Kasusstudier av SLM-er i interaktive applikasjoner
Designe samtaleflyter
- Prinsipper for menneske-AI-interaksjonsdesign
- Lage engasjerende og naturlige dialoger
- Hensyn til brukeropplevelse (UX).
Bygge kundeserviceboter
- Brukssaker for kundeserviceroboter
- Integrering av SLM-er i kundeserviceplattformer
- Håndtere vanlige kundehenvendelser med AI
Trening av SLM-er for interaksjon
- Datainnsamling for konversasjons-AI
- Treningsteknikker for SLM i dialogsystemer
- Finjustere modeller for spesifikke interaksjonsscenarier
Evaluering av interaksjonskvalitet
- Beregninger for å vurdere konversasjons-AI
- Brukertesting og tilbakemeldingsinnsamling
- Iterativ forbedring basert på evaluering
Stemmeaktiverte og multimodale interaksjoner
- Inkorporerer stemmegjenkjenning med SLM-er
- Designe multimodale interaksjoner (tekst, stemme, visuelle bilder)
- Kasusstudier av taleassistenter og chatbots
Personalisering og kontekstuell forståelse
- Teknikker for å tilpasse interaksjoner
- Kontekstbevisst samtalehåndtering
- Personvern og datasikkerhet i personlig AI
Etiske hensyn og skjevhetsbegrensning
- Etiske rammer for samtale-AI
- Identifisere og dempe skjevheter i interaksjoner
- Sikre inkludering og rettferdighet i AI-kommunikasjon
Utrulling og skalering
- Strategier for distribusjon av konversasjons-AI-systemer
- Skalering av SLM-er for utbredt bruk
- Overvåking og vedlikehold av AI-interaksjoner etter distribusjon
Capstone-prosjektet
- Identifisere et behov for samtale-AI i et valgt domene
- Utvikle en prototype ved hjelp av SLM-er
- Testing og presentasjon av den interaktive applikasjonen
Sluttvurdering
- Innlevering av en sluttsteinsprosjektrapport
- Demonstrasjon av et funksjonelt konversasjons-AI-system
- Evaluering basert på innovasjon, brukerengasjement og teknisk utførelse
Sammendrag og neste trinn
Krav
- Grunnleggende forståelse av kunstig intelligens og Machine Learning
- Ferdighet i Python programmering
- Erfaring med Natural Language Processing konsepter
Publikum
- Dataforskere
- Maskinlæringsingeniører
- AI-forskere og utviklere
- Produktsjefer og UX-designere
14 timer