Schița de curs
Ziua 1 – Elemente de Bază ale AI-ului Generativ și LLM
Introducere în AI generativ și cazuri de utilizare LLM
Înțelegerea modelelor bazate pe transformatoare (GPT, LLaMA, T5 etc.)
Tokeni, tokenizare și embeddings
Lucrul cu modele pre-antrenate prin API-uri (OpenAI, Claude)
Lucrul cu modele pre-antrenate prin Hugging Face
Elemente de bază ale promptării: zero-shot și few-shot prompting
Lucru practic: inginerie de prompt într-un notebook Python
Construirea unei aplicații simple bazate pe LLM (CLI sau web)
Limite practice: tokeni, limite de rată și tehnici de bază de fiabilitate
Ziua 2 – RAG și Căutare Vectorială
De ce RAG: combinarea LLM-urilor cu datele proprii
Arhitectura RAG: ingestie, indexare, recuperare, generare
Pregătirea și segmentarea documentelor pentru recuperare
Generarea embeddings de text cu API-uri sau Hugging Face
Introducere în stocări vectoriale (de ex. Chroma, Pinecone)
Lucru practic: construirea unui script de bază de căutare semantică
Lucru practic: construirea unui sistem de întrebări și răspunsuri pe baza documentelor cu RAG
Scalarea ingestiei și embeddings-urilor (prezentare generală a fluxurilor de lucru cu date mari)
Trade-off-uri de proiectare în RAG: segmentare, top-k, cost vs calitate
Ziua 3 – Fluxuri de Lucru, Agenți și Producție
Ce sunt agenții AI și când să îi folosești
Introducere în LangGraph și fluxurile de lucru bazate pe grafuri LLM
Lucru practic: construirea unui flux de lucru simplu LangGraph cu instrumente
Adăugarea memoriei și a raționamentului în mai mulți pași în fluxurile de lucru
Combinarea RAG și agenților (RAG agentic)
Monitorizarea și evaluarea sistemelor LLM și RAG
Opțiuni de implementare pentru aplicații LLM (API-uri, containere, servicii)
Strategii de optimizare a costurilor și performanței
Siguranță de bază, garduri și utilizare responsabilă
Mini-proiect capstone: demonstrație de aplicație RAG/agent de la un capăt la celălalt demo
Cerințe
competențe solide de programare în Python și familiaritate cu API-uri.
Publicul țintă:
Acest curs este destinat organizațiilor care doresc să treacă de la experimentare la soluții reale bazate pe LLM. Este potrivit pentru ingineri de software, backend și full-stack care integrează LLM-uri în produse și servicii; ingineri de date și machine learning care lucrează cu RAG, embeddings și căutare vectorială; arhitecți de soluții și enterprise care proiectează arhitecturi bazate pe LLM; precum și pentru proprietari de produse tehnice și lideri de inginerie responsabili de evaluarea cazurilor de utilizare, costurilor și riscurilor AI.
Mărturii (4)
Interactuinea cu trainer-ul, exemplele prezentate pe cazuri concrete.
Igor Mirza - Curs Public
Curs - Boost Your Productivity with Microsoft Copilot 365
Trainerii pot răspunde la toate întrebările și pot accepta orice interogări
Dewi Anggryni - PT Dentsu International Indonesia
Curs - Copilot for Finance and Accounting Professionals
Tradus de catre o masina
Explorarea diferitelor cazuri de utilizare și a aplicațiilor AI a fost utilă. Mi-a plăcut prezentarea detaliată a diferitelor Agenți AI.
Axel Schulz - CANARIE Inc
Curs - Microsoft 365 Copilot: AI Productivity Across Word, Excel, PowerPoint, Outlook, and Teams
Tradus de catre o masina
Formatorul are o cunoaștere vastă, abilități excelente de predare și oferă răspuns la fiecare întrebare. Tot programul de instruire a fost foarte interesant și aș recomanda participarea la el.
Daria - LKQ Polska Sp. z o. o.
Curs - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Tradus de catre o masina
