Course Outline

Εισαγωγή στην Τεχνητή Νοημοσύνη για την Πρόγραμμα μέσω λογισμικού

  • Τι είναι η Generative AI σε σχέση με τη Predictive AI
  • Εφαρμογές της AI στην πρόγραμμα μέσω λογισμικού, ανάλυση και αυτομάτευση
  • Περιγραφή των LLMs (Large Language Models), transformers και μοντέλων βαθιάς μάθησης

Αλληλεπίδραση AI στην πρόγραμμα μέσω λογισμικού και predictiva ανάπτυξη

  • Τεχνητή νοημοσύνη για πλήρη σύνδεση κώδικα και γέννηση (GitHub Copilot, CodeGeeX)
  • Πρόβλεψη λάθων κώδικα και εφαρμογή απόδοσης πριν τη διανομή
  • Αυτομάτευση κριτικής κώδικα και προτάσεων βελτίωσης

Σχεδιασμός predictiva μοντέλων για εφαρμογές λογισμικού

  • Κατανόηση πρόβλεψης χρονοσειρών και predictiva ανάλυσης
  • Προσαρμογή AI μοντέλων για πρόβλεψη ρυθμών και ανίχνευση ανωμαλιών
  • Χρήση Python, Scikit-learn, και TensorFlow για predictiva μοντέλα

Generative AI για πίνακες κωδικός και εικόνες γέννηση

  • Έρευνα με το GPT, LLaMA και άλλα LLMs (Large Language Models)
  • Γέννηση σύνθετων δεδομένων, εγκυρότητας κειμένου και απολογισμών
  • Δημιουργία AI-generative εικόνες και βίντεο με διάχυση models

Ανάπτυξη AI πραγματικών-διαθέσιμων εφαρμογών

  • Διαχείριση AI μοντέλων χρησιμοποιώντας Hugging Face, AWS και Google Cloud
  • Σχεδιασμός API-based AI εξυπηρετήσεις για εφαρμογές επιχειρήσεων
  • Καλύψιμε προ-καθιερωμένη AI μοντέλων για δομή-specific εργασία

AI για επιχειρηματικά insights και πρόβλεψη απόφοιτος-χώρος decisions

  • Τεχνητή νοημοσύνη εγχώρια business intelligence και πρόβλεψη των πελατών
  • Πρόβλεψη market trends και consumer behavior
  • Αυτομάτευση workflow optimizations με AI

Ηθική τεχνητή νοημοσύνη και καλές πρακτικές στην ανάπτυξη

  • Ηθική λογισμός σε AI-assisted απόφοιτος-χώρος decisions
  • Δαπάνη δείκτες και πλέον fairness σε AI μοντέλων
  • Καλές πρακτικές για interpretable και ασφαλή AI

Δουλειά χειροναυτών και περίπτωση μελέτες

  • Καθιέρωση predictive analytics για δεδομένα χρήσης-χώρος dataset
  • Σχεδιασμός AI-assisted chatbot με κείμενο generation
  • Διάθεση LLM-based εφαρμογή για αυτομάτευση

Περίληψη και τα επόμενα βήματα

  • Εξέταση των αποκορύφων εξειδικεύσεις
  • AI έργα και πόροι για μαθήματα-χώρο learning
  • Τελική συνάντηση Q&A

Requirements

  • Κατανόηση βασικών κονцепτων λογισμικού ανάπτυξης
  • Δεξιότητα σε οποιοδήποτε πρόγραμμα προγραμματισμού (είναι συντριχής το Python)
  • Συνήθεια με βασικά στοιχεία μηχανικής μάθησης ή AI (συμπληρωματικό αλλά όχι απαραίτητο)

Επίκριση

  • Πρόγραμμα λογισμικού ανάπτυξης
  • Τεχνητή νοημοσύνη/Μηχανική μάθηση μηχανές
  • Επικοινωνίες τεχνικών ομάδων
  • Διαχειριστές προϊόντων ενδιαφερόμενοι σε AI-βελτισμοποιημένα προϊόντα
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories