Hubungi Kami

Kerangka Materi

Fondasi AI Lokal yang Aman

  • Arti AI lokal dan on-prem dalam lingkungan yang teregulasi
  • AI cloud versus penerapan internal untuk beban kerja sensitif
  • Kasus penggunaan perusahaan umum untuk asisten pribadi dan dukungan alur kerja
  • Komponen utama arsitektur AI lokal yang aman

Dasar-Dasar Ollama dan Model Terbuka

  • Peran Ollama dalam tumpukan pengembangan lokal
  • Mengunduh, menjalankan, dan mengelola model secara lokal
  • Memilih model berdasarkan ukuran, kualitas, perangkat keras, dan lisensi
  • Menyesuaikan pilihan model dengan tugas bisnis praktis

Menyiapkan Lingkungan On-Prem

  • Persiapan host, workstation, dan server
  • Menginstal dan mengkonfigurasi Ollama untuk inferensi lokal
  • Menggunakan kontainer dan alat pengembangan internal
  • Memverifikasi akses API dan kesiapan operasional dasar

Bekerja dengan Model Lokal Secara Efektif

  • Menjalankan prompt dan membentuk output dengan instruksi sistem
  • Menggunakan kembali templat untuk tugas perusahaan yang konsisten
  • Mengelola versi model dan artefak internal
  • Penalaan kinerja dasar untuk penerapan CPU dan GPU

Membangun Alur Kerja Agens Praktis

  • Apa yang membuat alur kerja menjadi agens dalam pengaturan terkontrol
  • Pola sederhana untuk perencanaan, penggunaan alat, dan putaran respons
  • Merancang asisten berfokus tugas untuk operasi internal
  • Menambahkan tinjauan manusia, logika cadangan, dan penanganan kesalahan

Alur Kerja Pengambilan Pribadi

  • Dasar-dasar generasi yang diperkuat pengambilan untuk akses pengetahuan internal
  • Menyiapkan dokumen untuk pemotongan, pengindeksan, dan pencarian
  • Menghubungkan penyimpanan vektor lokal ke aplikasi berbasis Ollama
  • Meningkatkan relevansi dan kualitas jawaban dengan pola pengambilan yang lebih baik

Praktik Keamanan, Tata Kelola, dan Kepatuhan

  • Batasan penanganan data dan pertimbangan privasi
  • Kontrol akses, pencatatan, dan dukungan audit
  • Keamanan prompt, kontrol output, dan pengaman
  • Titik pemeriksaan tata kelola untuk penerapan dan operasi yang teregulasi

Pola Integrasi Perusahaan

  • Menampilkan kemampuan AI lokal melalui API internal
  • Mengintegrasikan asisten dengan aplikasi dan layanan internal
  • Mendukung kasus penggunaan asisten, batch, dan otomatisasi alur kerja
  • Menjaga solusi tetap dalam batas jaringan terkontrol

Evaluasi Solusi AI Lokal

  • Menilai kualitas, keandalan, dan konsistensi
  • Menguji terhadap persyaratan bisnis, kebijakan, dan keamanan
  • Membandingkan pilihan model untuk tugas perusahaan tertentu
  • Menetapkan siklus peningkatan praktis untuk tim internal

Laboratorium Implementasi Langsung

  • Membangun asisten pribadi dengan Ollama dan model terbuka
  • Menambahkan pengambilan informasi atas dokumen internal yang disetujui
  • Memperkenalkan tindakan agens sederhana dan kontrol keamanan
  • Meninjau penerapan, operasi, dan titik pemeriksaan tata kelola

Perencanaan Adopsi dan Langkah Selanjutnya

  • Meninjau keputusan desain dan penerapan utama
  • Mengidentifikasi jebakan umum dalam proyek AI yang teregulasi
  • Merencanakan kasus penggunaan percontohan dan keselarasan pemangku kepentingan
  • Mendefinisikan peta jalan untuk adopsi AI lokal yang aman

Persyaratan

  • Pemahaman dasar tentang konsep AI dan pengembangan perangkat lunak
  • Familiar dengan alat baris perintah, kontainer, atau lingkungan pengembangan lokal
  • Pengalaman dasar dalam scripting atau pemrograman

Target Peserta

  • Pengembang dan tim teknis yang membangun solusi AI pribadi di infrastruktur internal
  • Profesional keamanan, kepatuhan, dan platform yang mendukung AI di lingkungan teregulasi
  • Pemimpin teknis di bidang keuangan, kesehatan, pemerintahan, dan pertahanan yang mengevaluasi adopsi AI on-prem
 21 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait