Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pendahuluan AI untuk Pengembangan Perangkat Lunak
- Apa itu Generative AI vs Predictive AI
- Aplikasi AI dalam pengkodean, analisis, dan otomatisasi
- Overview dari LLMs, transformers, dan model deep learning
Pemrograman Berbantu AI dan Pengembangan Prediktif
- Penghasilan kode dan penempatan kode yang dipengaruhi AI (GitHub Copilot, CodeGeeX)
- Memprediksi bug dan kelemahan kode sebelum di-deploy
- Mengotomatisasi ulasan dan saran optimisasi kode
Membangun Model Prediktif untuk Aplikasi Perangkat Lunak
- Memahami peramalan waktu-seri dan analisis prediktif
- Mengimplementasikan model AI untuk peramalan permintaan dan deteksi anomal
- Menggunakan Python, Scikit-learn, dan TensorFlow untuk pemodelan prediktif
Generative AI untuk Generasi Tekst, Kode, dan Gambar
- Bekerja dengan GPT, LLaMA, dan LLM lainnya
- Mengenerate data sintetis, ringkasan teks, dan dokumentasi
- Membuat gambar dan video yang dihasilkan oleh AI dengan model difusi
Menyebarkan Model AI dalam Aplikasi Dunia Nyata
- Menyiapkan model AI menggunakan Hugging Face, AWS, dan Google Cloud
- Membangun layanan AI berbasis API untuk aplikasi bisnis
- Melakukan fine-tuning pada model AI yang sudah ditraining untuk tugas tertentu
AI untuk Wawasan Bisnis Prediktif dan Pengecualian
- Inteligensi bisnis dan analisis pelanggan yang didukung oleh AI
- Memprediksi tren pasar dan perilaku konsumen
- Mengotomatisasi optimasi alur kerja dengan AI
AI Etis dan Terbaik dalam Praktik Pengembangan
- Perhatian etis dalam pengambilan keputusan yang didukung oleh AI
- Deteksi bias dan keadilan dalam model AI
- Praktik terbaik untuk AI yang dapat diinterpretasikan dan bertanggung jawab
Workshop dan Studi Kasus Praktek
- Mengimplementasikan analisis prediktif untuk dataset dunia nyata
- Membangun chatbot yang dipengaruhi AI dengan generasi teks
- Menyiapkan aplikasi berbasis LLM untuk otomatisasi
Ringkasan dan Langkah Selanjutnya
- Ulasan poin utama
- Alat dan sumber daya AI untuk belajar lebih lanjut
- Sesi Q&A akhir
Persyaratan
- Memahami konsep dasar pengembangan perangkat lunak
- Pengalaman dengan bahasa pemrograman apapun (Python direkomendasikan)
- Kenalan dengan dasar-dasar machine learning atau AI (direkomendasikan tetapi tidak wajib)
Audience
- Pengembang perangkat lunak
- Insinyur AI/ML
- Kepala tim teknis
- Manajer produk yang tertarik pada aplikasi berbasis AI
21 Jam