Kerangka Materi

Pengenalan Model Berbasis LLM Open-Source

  • Kajian umum tentang DeepSeek, Mistral, LLaMA, dan model-model open-source lainnya
  • Cara kerja LLM: Transformer, self-attention, dan pelatihan
  • Perbandingan LLM open-source vs. model milik pribadi

Fine-Tuning dan Memersonalisasi LLM

  • Persiapan data untuk fine-tuning
  • Melatih dan mengoptimalkan LLM menggunakan Hugging Face
  • Mengevaluasi kinerja model dan mitigasi bias

Membangun AI Agent dengan LLM

  • Pengenalan LangChain untuk pengembangan AI agent
  • Merancang workflow berbasis agent dengan LLM
  • Memory, retrieval-augmented generation (RAG), dan eksekusi tindakan

Menggunakan LLM-Based AI Agents

  • Mengontrainer AI agent dengan Docker
  • Mengintegrasikan LLM ke aplikasi perusahaan
  • Menskala AI agent dengan layanan cloud dan API

Keamanan dan Kepatuhan dalam AI Perusahaan

  • Konsiderasi etis dan kepatuhan regulasi
  • Mengurangi risiko dalam otomatisasi AI
  • Memantau dan mengaudit perilaku AI agent

Kasus dan Aplikasi Dunia Nyata

  • Asisten virtual berbasis LLM
  • Otomatisasi dokumen berbasis AI
  • AI agent khusus untuk analitik perusahaan

Mengoptimalkan dan Memelihara AI Agent Berbasis LLM

  • Peningkatan dan pembaruan model secara terus-menerus
  • Menggunakan pengawasan dan loop umpan balik
  • Strategi untuk optimasi biaya dan peningkatan kinerja

Ringkasan dan Langkah Selanjutnya

Persyaratan

Prasyarat

  • Pemahaman yang kuat tentang AI dan machine learning
  • Pengalaman dalam pemrograman Python
  • Kenalan dengan large language models (LLMs) dan natural language processing (NLP)

Penonton

  • AI engineers
  • Enterprise software developers
  • Business leaders
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait