Kursplan

p>Introduktion till Open-Source LLM: er

  • Översikt över DeepSeek, Mistral, LLaMA och andra öppna källkodsmodeller
  • Hur LLM: er fungerar: Transformers, self-attention och träning
  • Jämförelse av öppen källkod LLM: ar vs. proprietära modeller

Fine-Tuning och anpassa LLM: ar

  • Dataförberedelse för finjustering
  • Träning och optimering av LLM: ar med hjälp av Hugging Face
  • Utvärdering av modellprestanda och mitigering av partiskhet

Bygga AI Agents med LLM: ar

  • Introduktion till LangChain för utveckling av AI-agenter
  • Utforma agentbaserade arbetsflöden med LLM: ar
  • Memory, retrieval-augmented generation (RAG) och action execution

Distribuera LLM-baserad AI Agents

  • Containerisering av AI-agenter med Docker
  • Integrera LLM: ar i företagsapplikationer
  • Skala AI-agenter med molntjänster och API: er

Säkerhet och efterlevnad inom företag AI

  • Etiska överväganden och regelefterlevnad
  • Mitigering av risker i AI-drivna automation
  • Övervakning och granskning av AI-agenters beteende

Fallstudier och tillämpningar i verkliga livet

  • LLM-drivna virtuella assistenter
  • AI-drivna dokumentautomation
  • Anpassade AI-agenter för företagsanalys

Optimera och underhålla LLM-baserade agenter

  • Kontinuerlig modellförbättring och uppdatering
  • Distribuera övervaknings- och feedbackloopar
  • Strategier för kostnadsoptimering och prestandajustering

Sammanfattning och nästa steg

Krav

  • Stark förståelse för AI och maskininlärning
  • Erfarenhet av Python programmering
  • Familiarity med stora språkmodeller (LLMs) och naturalspråksbehandling (NLP)

Målgrupp

  • AI-ingenjörer
  • Företagssoftwareutvecklare
  • Business ledare
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier