عن الدورة
تُركز هذه الدورة على أهمية جودة هيكلة وحوكمة البيانات التي تقوم عليها تطبيقات الذكاء الاصطناعي التوليدي مثل النماذج اللغوية الكبيرة وأنظمة الذكاء الاصطناعي الوكيلة. ستتعلم كيف تؤثر البيانات المهيكلة وغير المهيكلة على أداء هذه التطبيقات، وكيف تصمم أُطراً شاملة للبيانات وتصنيفاتها وتنفيذ ممارسات الحوكمة بحيث تقلل من الأخطاء الناتجة (الهلاوس) وتحسن صلة النتائج وموثوقيتها. ستدرس قيود النماذج اللغوية الكبيرة المرتبطة بجودة البيانات واستراتيجيات بيانات التعريف، وستتعلم كيفية بناء بنى معمارية مبنية على التصنيفات تساعد في تحديث وحماية مشاريع الذكاء الاصطناعي المؤسسية. يعتمد التعلم على دراسات حالة وتكليفات عملية وحوارات موجهة، مما يمكنك من تطوير المهارات اللازمة لتصميم وصيانة قواعد بيانات عالية الجودة جاهزة للاستخدام في المنتجات والمنصات الحقيقية. في نهاية الدورة ستتمكن من إنشاء أُطر بيانات مؤسساتية تُوفّر نتائج متسقة وأخلاقية وعالية الأداء.
ماذا ستتعلم
- فهم كيف تؤثر البيانات المهيكلة وغير المهيكلة على تطبيقات الذكاء الاصطناعي التوليدي
- بناء هياكل معمارية مدعومة بالاسترجاع لتحسين دقة النتائج
- تصميم تصنيفات وبيانات تعريف مخصصة للامتثال والاكتشاف
- اختبار وتوثيق وتطوير أُطر العمل من خلال التمارين والنقاشات
المتطلبات المسبقة
- معرفة أساسية بالمجال ومصطلحاته الشائعة
- الاستعداد للتطبيق العملي عبر تمارين أو دراسات حالة
المدرسون
Fractal Analytics Academy
David Drummond