Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Μονάδα 1: Εισαγωγή και Θεωρία AI
- Η Προσέγγιση με βάση τα Μοντέλα: η ΤΕ ως πρόβλημα μηχανικής.
- Διασφάλιση του «Φάντασμα στο Μηχανήματος»: αυτό που είναι η ΤΕ και το τι δεν είναι.
- Η Εξέλιξη της Τεχνολογίας: από το BERT στους Transformers.
- Γεννητικά Τομείς: Ανάλυση, Δημιουργικότητα, Έρευνα, Εικόνα, Μουσική και Βίντεο.
- Διαχείριση Δεδομένων: Κύλικοι, επιθεώρηση και ταυτόχρονες εξελίξεις (Μεταφορικότητα, Συμβουλές, RAG, LLM vs. SLM).
- Η Σκοτεινή Πλευρά: η Εθική, τα IP, προκαταλήψεις, ψευδέλεγχοι και κοινωνική μηχανική.
- Αξιολόγηση Κινδύνων: η δηλητηρίαση δεδομένων, το Nepenthes και το κίνδυνο του «να απευθύνει την εκπαίδευση».
- Ταξινόμηση Μοντέλων: Προχωρημένα vs. Συγκεκριμένα; Κλειστά vs. Ανοιχτά βάρη.
Μονάδα 2: Τρέχων Τοποθεσία και Εργαλειοθήκη
- Η Αρена των Μοντέλων Γλώσσας: σύγκριση επιδόσεων και πρότυπων.
- Κριτήρια Αγοράς για Επαγγελματικούς: Κόστος, χρονοκαθυστήρευση, απόρρητο και εξάρτηση παροχέων.
- Περιγραφή μεγάλων μοντέλων: OpenAI ChatGPT, Perplexity, Gemini και Grok.
- Μικρά και συμπληρωματικά μοντέλα: Manus, SpecKit.
- Γραφική Γεννησις: Perchance
- Τεχνικές περιορισμών: Context rot vs. Token cost.
Μονάδα 3: Αλληλεπίδραση - Προβολή και Διαχείριση Κонтекστου
- Το Πλαίσιο Επαλήθευσης: Ολότητα, συνέπεια και αξιοπιστία.
- Η Στρατηγική RAG: πότε να χρησιμοποιήσουν τη Γεννητική με αύξηση συλλογής vs. καλωδιακή διαχείριση.
- Το ROI της AI: συντήρηση κόστους vs. αύξηση παραγωγικότητας.
- Προηγμένες Τεχνικές: 20+ μέθοδοι Prompt και RAG με πρακτικά παραδείγματα.
- Εξπεριμεντικά Ορίζοντα: Triangulation, Περιγραφή Map και Terrain, και γεννητική με βάση τα μοντέλα.
Μονάδα 4: ΤΕ στη Διαχείριση Προϊόντων Agile
- Ο Υπεύθυνος Supercomputer: η AI ως μηχανή αυτομάτων.
- Προσλήψεις Αποφάσεων: Ανθρώπινη ευθύνη vs. βοήθεια της AI.
- AIOps και GitOps: Ενσωμάτωση AI στο χρηματοδοτικό πλαίσιο λειτουργίας.
- Εργαλειοθήκες και Pipelines: Δημιουργία ευρύτερου περιβάλλοντος AI.
- Αγωνιστικά Εργαλεία: Backlog, roadmap και αξιολόγηση απαιτήσεων.
- Διαχείριση Ακρίβειας: Πληροφορική διάσταση και πρόγνωση (Ακρίβεια vs. Εξακρίβωση).
- Διαχείριση Προϊόντων: Ιδέα, ανάλυση χαρακτηριστικών και ρίσκο Vibe-coding.
- Κινδύνοι και Σενάρια: Πλάνη «Τι αν...» και αυτόματη διαχείριση κινδύνων.
- Εξέλιξη: Περιγραφή Use Case και User Story και εξέλιξη.
Απαιτήσεις
- Βασική κατανόηση του Agile Manifesto και του πλαισίου Scrum.
- Εμπειρία στη διαχείριση έργων, ποικιλία με το προϊόν και ηγεσία ομάδας.
- Δεν απαιτείται προηγούμενη εμπειρία προγραμματισμού ή μηχανικής ΤΕ, αλλά συνιστάται γενική εξοικείωση με ψηφιακά εργαλεία.
Δυνατότητες
- Διαχειριστές Προ젝τών Agile και Scrum Masters.
- Ιδιοκτήτες Προϊόντων και Διαχειριστές Προϊόντων.
- Ηγέτες IT Ομάδων και Διαχειριστές Εξαγωγής.
- Business Analysts που εργάζονται σε περιβάλλοντα Agile.
- Διαχειριστές Λειτουργίων που ενδιαφέρονται για AIOps.
7 Ώρες
Σχόλια (2)
Χειρονομημένα παραδείγματα
Ryan Brookman - The Shaw Group Limited
Κομμάτι - Introduction to Artificial Intelligence for Non-technical users
Μηχανική Μετάφραση
Χρησιμοποιήσαμε τα εργαλεία.
Victor Aguero - PNUD/MICI
Κομμάτι - Aplicaciones Prácticas de Inteligencia Artificial para Personal Administrativo
Μηχανική Μετάφραση
