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 om sikker lokal AI
- Hva lokal og på egen infrastruktur-utvikling av AI betyr i regulerte miljøer
- Sky-AI versus intern distribusjon for sensitive arbeidsbelastninger
- Vanlige bedriftsanvendelser for private assistenter og støtte til arbeidsflyter
- Komponentene i en sikker lokal AI-arkitektur
Ollama og grunnleggende 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 modellopsjoner til praktiske bedriftsoppgaver
Forberede miljøet på egen infrastruktur
- Forberedelse av vert, arbeidsstasjon og server
- Installere og konfigurere Ollama for lokal inferens
- Bruk av containere og intern utviklingsverktøy
- Verifisere API-tilgang og grunnleggende operativ beredskap
Arbeide effektivt med lokale modeller
- Kjøre prompts og forme utdata med systeminstruksjoner
- Gjenbruke maler for konsistente bedriftsoppgaver
- Administrere modellversjoner og interne artefakter
- Enkel ytelsesoptimalisering for CPU- og GPU-distribusjon
Bygge praktiske agente arbeidsflyter
- Hva som gjør en arbeidsflyt til en agentic i et kontrollert miljø
- Enkle mønstre for planlegging, verktøybruk og responssløyfer
- Designe oppgavefokuserte assistenter for intern drift
- Legge til menneskelig gjennomgang, fallback-logikk og feilhåndtering
Private hentebaserte arbeidsflyter
- Grunnleggende om retrieval-augmented generation for intern tilgang til kunnskap
- Forberede dokumenter for chunking, indeksering og søk
- Koble et lokalt vektorlager til en Ollama-basert applikasjon
- Forbedre relevans og svar-kvalitet med bedre hente-mønstre
Sikkerhet, styring og compliance-praksis
- Grenser for databehandling og personvernhensyn
- Tilgangskontroll, logging og støtte til revisjon
- Safe prompts, utdata-kontroller og guardrails
- Styringskontrollpunkter for regulert distribusjon og drift
Mønstre for bedriftsintegrasjon
- Eksponere lokale AI-evner gjennom interne API-er
- Integre assistenter med interne applikasjoner og tjenester
- Støtte opp om brukstilfeller for assistent, batch og automatisering av arbeidsflyter
- Holde løsningene innenfor kontrollerte nettverks-grenser
Evaluering av lokale AI-løsninger
- Vurdere kvalitet, pålitelighet og konsistens
- Teste mot bedrifts-, policy- og sikkerhetskrav
- Sammenligne modellopsjoner for spesifikke bedriftsoppgaver
- Etablere en praktisk forbedringssyklus for interne team
Praktisk implementerings-lab
- Bygge en privat assistent med Ollama og en åpen modell
- Legge til henting over godkjente interne dokumenter
- Introdusere enkle agente handlinger og sikkerhetskontroller
- Gi gjennomgang av distribusjon, drift og styringskontrollpunkter
Adopsjonsplanlegging og neste steg
- Gi gjennomgang av viktige design- og distribusjonsbeslutninger
- Identifisere vanlige fellinger i regulerte AI-prosjekter
- Planlegge pilot-tilfeller og tilpasning blant interessenter
- Definere en kartleggelse for sikker innføring av lokal AI
Krav
- Grunnleggende forståelse av AI-konsepter og programvareutvikling
- Kunnskap om kommandolinjeverktøy, containere eller lokale utviklingsmiljøer
- Gründleggende erfaring med scripting eller programmering
Målgruppe
- Utviklere og tekniske team som bygger private AI-løsninger på intern infrastruktur
- Sikkerhets-, compliance- og platformprofesjonelle som støtter AI i regulerte miljøer
- Tekniske ledere innen finans, helsevesen, offentlig sektor og forsvar som vurderer innføring av AI på egen infrastruktur
21 Timer