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
Introduktion till Conversational AI och små språkmodeller (SLM)
- Grunderna i konversations-AI
- Översikt över SLM och deras fördelar
- Fallstudier av SLM i interaktiva applikationer
Designa konversationsflöden
- Principer för interaktionsdesign mellan människa och AI
- Skapa engagerande och naturliga dialoger
- Överväganden för användarupplevelse (UX)
Bygga kundtjänstrobotar
- Användningsfall för kundtjänstrobotar
- Integrera SLM:er i kundtjänstplattformar
- Hantera vanliga kundförfrågningar med AI
Tränings-SLM:er för interaktion
- Datainsamling för konversations-AI
- Utbildningstekniker för SLM i dialogsystem
- Finjustera modeller för specifika interaktionsscenarier
Utvärdera interaktionskvalitet
- Mätvärden för bedömning av konversations-AI
- Användartestning och insamling av feedback
- Iterativ förbättring baserad på utvärdering
Röstaktiverad och multimodal interaktion
- Integrera röstigenkänning med SLM
- Utforma multimodala interaktioner (text, röst, bilder)
- Fallstudier av röstassistenter och chatbots
Personalisering och kontextuell förståelse
- Tekniker för att anpassa interaktioner
- Kontextmedveten konversationshantering
- Sekretess och datasäkerhet i personlig AI
Etiska överväganden och begränsning av partiskhet
- Etiska ramverk för konversations-AI
- Identifiera och mildra bias i interaktioner
- Säkerställa inkludering och rättvisa i AI-kommunikation
Distribution och skalning
- Strategier för att distribuera konversations-AI-system
- Skalning av SLM:er för utbredd användning
- Övervaka och underhålla AI-interaktioner efter distribution
Capstone-projektet
- Identifiera ett behov av konversations-AI i en vald domän
- Utveckla en prototyp med hjälp av SLM
- Testa och presentera det interaktiva programmet
Slutlig bedömning
- Inlämning av en slutstensprojektrapport
- Demonstration av ett funktionellt konversations-AI-system
- Utvärdering baserad på innovation, användarengagemang och tekniskt utförande
Sammanfattning och nästa steg
Krav
- Grundläggande förståelse för artificiell intelligens och Machine Learning
- Kunskaper i Python programmering
- Erfarenhet av Natural Language Processing-koncept
Publik
- Datavetare
- Ingenjörer inom maskininlärning
- AI-forskare och utvecklare
- Produktchefer och UX-designers
14 timmar