Ta kontakt

Kursplan

Grunnleggende sikker lokal AI

  • Hva lokal og on-prem AI betyr i regulerte miljøer
  • Sky-AI kontra intern implementering for sensitive arbeidslast
  • Vanlige bedriftsscenarier for private assistenter og arbeidsflytstøtte
  • Kjernekomponenter i en sikker lokal AI-arkitektur

Ollama og grunnleggende kunnskap om åpne modeller

  • Hvordan Ollama passer inn i et lokalt utviklingsstakk
  • Hente, kjøre og administrere modeller lokalt
  • Velge modeller basert på størrelse, kvalitet, maskinvare og lisens
  • Tilpasse modelloppsett til praktiske forretningsoppgaver

Forberedelse av on-prem-miljøet

  • Forberedelse av vert, arbeidsstasjon og server
  • Installere og konfigurere Ollama for lokal inferens
  • Bruke containere og intern utviklingsverktøy
  • Verifisere API-tilgang og grunnleggende operasjonell beredskap

Arbeid effektivt med lokale modeller

  • Kjøring av prompter og formatering av utdata med systeminstruksjoner
  • Gjenbruk av maler for konsistente bedriftsoppgaver
  • Administrere modelleverdier og interne gjenstander
  • Grunnleggende ytelsestuning for CPU- og GPU-implantasjoner

Bygge praktiske agente arbeidsflyter

  • Hva som gjør en arbeidsflyt agent i et kontrollert miljø
  • Enkle mønstre for planlegging, verktøybruk og responsløkker
  • Designe oppgavefokuserte assistenter for interne operasjoner
  • Legge til menneskelig gjennomgang, feilhåndtering og fallback-logikk

Private hentingsbaserte arbeidsflyter

  • Grunnleggende om retrieval-augmented generation for intern kunnskapsinnsikt
  • Forberede dokumenter for deling, indeksering og søk
  • Koble en lokal vektormote til en Ollama-basert applikasjon
  • Forbedre relevans og svar kvalitet med bedre hentingsmønstre

Sikkerhets-, styrings- og etterlevelsestiltak

  • Grenser for datahåndtering og personvernovervegelser
  • Tilgangskontroll, logging og støtte for revisjon
  • Prompt-sikkerhet, kontroll av utdata og sikkerhetsgrenser
  • Styringspunkter for regulert implementering og drift

Integreringsmønstre for bedrifter

  • Eksponere lokale AI-egenskaper gjennom interne API-er
  • Integrere assistenter med interne applikasjoner og tjenester
  • Støtte assistent-, batch- og arbeidsflyt-automatiseringsscenarier
  • Holde løsninger innenfor kontrollerte nettverksgrenser

Evaluering av lokale AI-løsninger

  • Vurdere kvalitet, pålitelighet og konsistens
  • Teste mot forretnings-, regelverks- og sikkerhetskrav
  • Sammenligne modelloppsett for spesifikke bedriftsoppgaver
  • Etablere en praktisk forbedringssyklus for interne team

Praktisk implementeringslab

  • Bygge en privat assistent med Ollama og en åpen modell
  • Legge til henting over godkjente interne dokumenter
  • Innføre enkle agente handlinger og sikkerhetskontroller
  • Gjennomgå implementering, drift og styringspunkter

Adopsjonsplanlegging og neste steg

  • Gjennomgå viktige design- og implementeringsbeslutninger
  • Identifisere vanlige fallgruver i regulerte AI-prosjekter
  • Planlegge pilotbrukstilfeller og avstemming med interessenter
  • Definere en retningslinje for sikker lokal AI-adopsjon

Krav

  • Grunnleggende forståelse av AI-konsepter og programutvikling
  • Kjennskap til kommandolinjeverktøy, containere eller lokale utviklingsmiljøer
  • Grunnleggende skripting eller programeringserfaring

Målgruppe

  • Utviklere og tekniske team som bygger private AI-løsninger på intern infrastruktur
  • Sikkerhets-, etterlevelses- og plattformfagfolk som støtter AI i regulerte miljøer
  • Tekniske ledere innen finans, helsevesen, offentlig sektor og forsvar som vurderer adopsjon av on-prem AI
 21 Timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier