Kursplan
Innføring i AI for programvareutvikling
- Hva er generativ AI vs. prediktiv AI
- Applikasjoner av AI innen koding, analyse og automatisering
- Oversikt over LLMs, transformatorer og dyplearning-modeller
AI-støttet koding og prediktiv utvikling
- AI-drevet kodekomplettering og generering (GitHub Copilot, CodeGeeX)
- Forekasting av kodefeil og sårbarheter før innføring
- Automatisering av kodegjennomganger og optimeringstips
Bygging av prediktive modeller for programvareapplikasjoner
- Forståelse av tidsserieprognoser og prediktiv analyse
- Implementering av AI-modeller for etterspørselsprediksjon og unormaltettsdeteksjon
- Bruk av Python, Scikit-learn og TensorFlow for prediktiv modellering
Generativ AI for tekst-, kode- og bildegenerering
- Arbeid med GPT, LLaMA og andre LLMs
- Generering av syntetiske data, tekstopp summeringer og dokumentasjon
- Opprettelse av AI-genererte bilder og videoer med diffusjonsmodeller
Innføring av AI-modeller i virkelige applikasjoner
- Vertshosting av AI-modeller ved bruk av Hugging Face, AWS og Google Cloud
- Bygging av API-baserte AI-tjenester for bedriftsapplikasjoner
- Finjustering av forhåndstrente AI-modeller for domene-spesifikke oppgaver
AI for prediktive bedriftsinnsikter og beslutningsprosesser
- AI-drevet bedriftsintelligens og kunderanalyse
- Forekasting av markeds- og forbrukeradferd
- Automatisering av arbeidsflytsoptimeringer med AI
Etisk AI og beste praksiser innen utvikling
- Etiske overveielser i AI-støttet beslutningsprosess
- Oppdagelse av fordommer og rettferdighet i AI-modeller
- Beste praksiser for tolkelig og ansvarlig AI
Hånds-på-verksteder og tilfellsstudier
- Implementering av prediktiv analyse for et virkelig datamengde
- Bygging av en AI-drevet chatbot med tekstgenerering
- Innføring av en LLM-basert applikasjon for automatisering
Oppsummering og neste skritt
- Gjennomgang av viktige poeng
- AI-verktøy og ressurser for videre læring
- Avsluttende spørsmål- og svarsesjon
Krav
- En forståelse av grunnleggende konsepter innen programvareutvikling
- Erfaring med noe programmeringsspråk (Python anbefales)
- Kjennskap til grunnleggende maskinlærings- eller AI-konsepter (anbefalt, men ikke påkrevd)
Målgruppe
- Programvareutviklere
- AI/ML-ingeniører
- Tekniske teamledere
- Produktansvarlige som er interessert i AI-baserte applikasjoner
Referanser (3)
Instruktører kan svare på alle spørsmål og akseptere alle forespørsler
Dewi Anggryni - PT Dentsu International Indonesia
Kurs - Copilot for Finance and Accounting Professionals
Maskinoversatt
Gjennomgangen av de ulike brukstilfellene og anvendelsene av kunstig intelligens var nyttig. Jeg likte gjennomgangen av de ulike AI-agentene.
Axel Schulz - CANARIE Inc
Kurs - Microsoft 365 Copilot: AI Productivity Across Word, Excel, PowerPoint, Outlook, and Teams
Maskinoversatt
Jeg likte at treneren hadde mye kunnskap og delte den med oss
Daria Pawlak - LKQ POLSKA SPOLKA Z OGRANICZONA ODPOWIEDZIALNOSCIA
Kurs - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Maskinoversatt