Struttura del corso

Introduzione agli LLM Open-Source

  • Panoramica di DeepSeek, Mistral, LLaMA e altri modelli open-source
  • Come funzionano gli LLM: transformer, autoattenzione e training
  • Confronto tra modelli LLM open-source e propriettari

Raffinamento e Personalizzazione degli LLM

  • Preparazione dei dati per il raffinamento
  • Addestramento ed ottimizzazione di LLM con Hugging Face
  • Valutazione delle prestazioni del modello e mitigazione del bias

Costruire Agenti AI con LLM

  • Introduzione a LangChain per lo sviluppo di agenti AI
  • Progettazione di workflow basati su agente con LLM
  • Memoria, generazione migliorata dalla ricerca (RAG) ed esecuzione delle azioni

Distribuzione degli Agenti AI Basati su LLM

  • Contenitorizzazione degli agenti AI con Docker
  • Integrazione di LLM nelle applicazioni aziendali
  • Scalabilità degli agenti AI con servizi cloud e API

Sicurezza e Conformità nell'Intelligenza Artificiale Aziendale

  • Considerazioni etiche e conformità normativa
  • Mitigazione dei rischi nella automatizzazione guidata da AI
  • Monitoraggio e auditing del comportamento degli agenti AI

Studi di Caso ed Applicazioni Real-World

  • Assistenti virtuali basati su LLM
  • Automazione dei documenti guidata da AI
  • Agenti AI personalizzati per l'analisi aziendale

Ottimizzazione e Manutenzione degli Agenti Basati su LLM

  • Miglioramento continuo ed aggiornamento del modello
  • Distribuzione di cicli di monitoraggio e feedback
  • Strategie per l'ottimizzazione dei costi e il tuning delle prestazioni

Riepilogo ed Esecuzione degli Step Successivi

Requisiti

  • Comprensione approfondita di IA e machine learning
  • Esperienza con la programmazione Python
  • Familiarità con i grandi modelli linguistici (LLMs) e il processing del linguaggio naturale (NLP)

Target

  • Ingegneri AI
  • Sviluppatori software aziendali
  • Leader aziendali
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative