Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
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