Σύντομη περιγραφή προγράμματος
Το πρόγραμμα προσφέρει μια ολοκληρωμένη εισαγωγή στις εφαρμογές της Τεχνητής Νοημοσύνης με έμφαση στα Μεγάλα Γλωσσικά Μοντέλα (LLMs). Οι συμμετέχοντες θα μάθουν να ενσωματώνουν μοντέλα σε εφαρμογές με Python και FastAPI, να σχεδιάζουν αποτελεσματικά prompts, να αναπτύσσουν λύσεις με etrieval-Augmented Generation (RAG), να δημιουργούν αυτόνομους AI agents και να αξιοποιούν εργαλεία ανοιχτού κώδικα. Μέσα από πρακτικά εργαστήρια και την υλοποίηση ενός τελικού project, οι εκπαιδευόμενοι αποκτούν δεξιότητες που ανταποκρίνονται άμεσα στις ανάγκες της αγοράς.
Τρόπος διεξαγωγής
Οι καταρτιζόμενοι μπορούν να παρακολουθήσουν το πρόγραμμα με δύο διαφορετικούς τρόπους: με
δια ζώσης παρακολούθηση, ή παρακολούθηση με
Live Streaming, δηλαδή μέσω ηλεκτρονικής πλατφόρμας από τον χώρο της επιλογής τους. Για την παρακολούθηση του προγράμματος "δια ζώσης", τηρείται σειρά προτεραιότητας βασει ημερομηνίας ολοκλήρωσης εγγραφής, λόγω περιορισμένου αριθμού θέσεων στην αίθουσα διδασκαλίας. Οι συμμετέχοντες με φυσική παρουσία στην αίθουσα (δια ζώσης τρόπος παρακολούθησης) θα πρέπει να φέρνουν
laptop την ώρα του μαθήματος. Οι καταρτιζόμενοι επιλέγουν τον τρόπο παρακολούθησης στην αίτησή τους. H Live Streaming μέθοδος παρέχει τα εξής πλεονεκτήματα:
- Εκπαίδευση χωρίς γεωγραφικούς περιορισμούς
- Παρακολούθηση των διαλέξεων (Live) από το χώρο του εκπαιδευόμενου
- Δυνατότητα υποβολής ερωτήσεων στον διδάσκοντα την ώρα του μαθήματος
Δυνατότητα παρακολούθησης της βιντεοσκοπημένης διάλεξης σε μεταγενέστερο χρόνο (ισχύει για όλους τους συμμετέχοντες)
- Ηλεκτρονική διάθεση του εκπαιδευτικού υλικού του προγράμματος (ολόκληρο το εκπαιδευτικό υλικό προσφέρεται δωρεάν σε όλους τους συμμετέχοντες)
Μαθησιακά αποτελέσματα
Με το πέρας του προγράμματος, ο εκπαιδευόμενος:
- θα έχει αποκτήσει ουσιαστική κατανόηση των θεμελιωδών αρχών της τεχνητής νοημοσύνης και των μεγάλων γλωσσικών μοντέλων (LLMs),
- θα είναι σε θέση να ενσωματώνει AI λειτουργίες σε πραγματικές εφαρμογές μέσω Python και FastAPI,
- να αξιοποιεί τεχνικές prompt engineering για στοχευμένα αποτελέσματα,
- να αναπτύσσει λύσεις βασισμένες σε Retrieval-Augmented Generation RAG),
- να σχεδιάζει και να υλοποιεί αυτόνομους AI agents, καθώς και
- να τρέχει και να συγκρίνει μοντέλα ανοιχτού κώδικα τοπικά.
Τελικός στόχος είναι η ανάπτυξη ενός ολοκληρωμένου project που συνδυάζει δεξιότητες αρχιτεκτονικής, ανάπτυξης και δημιουργικότητας.
Θεματικές ενότητες
- Ανασκόπηση Python και Fast API. AI Foundations και το πρώτο API Call
18 ώρες διδασκαλίας | Ανασκόπηση Python, Fast API. Επίσης, θα εφοδιαστούν οι εκπαιδευόμενοι με πρακτικές δεξιότητες ώστε να ενσωματώνουν μεγάλα γλωσσικά μοντέλα (LLMs) σε εφαρμογές, να κατανοούν την αρχιτεκτονική των λειτουργιών που υποστηρίζονται από τεχνητή νοημοσύνη και να πλοηγούνται στο οικοσύστημα εργαλείων και βέλτιστων πρακτικών.
Πρακτικό Εργαστήριο- Ρύθμιση API Keys για OpenAI και/ή Anthropic.
- Σύνταξη ενός απλού Python script που πραγματοποιεί την πρώτη API κλήση σε ένα LLM και εμφανίζει την απόκριση.
- The Art and Science of Prompt Engineering
9 ώρες διδασκαλίας- Βασικές Τεχνικές: Zero-Shot, One-Shot και Few-Shot Prompting.
- Δόμηση Αποτελεσματικών Προτροπών: Προσωπικότητα, Πλαίσιο, Εργασία Μορφή (Το πλαίσιο «PCTF»).
- Προχωρημένες Τεχνικές: Chain-of-Thought, ReAct (Λογική + Δράση) και χρήση οριοθετητών.
- Prompting για Παραγωγή Κώδικα, Αναδόμηση και επεξήγηση.
Πρακτικό Εργαστήριο:
- Κατασκευή ενός CLI εργαλείου που παίρνει μια περιγραφή σε φυσική γλώσσα και δημιουργεί μια Python συνάρτηση.
- Δημιουργία ενός “chatbot”με συγκεκριμένη προσωπικότητα (π.χ. ένας κυνικός εκπρόσωπος υποστήριξης).
- Building Applications: The AI Architecture Stack
9 ώρες διδασκαλίας- Μοτίβα Ενσωμάτωσης AI: Chatbots, δημιουργοί περιεχομένου, ταξινομητές και agents.
- Διαχείριση Κατάστασης και Πλαισίου σε μια εφαρμογή συνομιλίας.
- Ανάπτυξη με Αξιοπιστία: Διαχείριση καθυστερήσεων API, χρονικών λήξεων (timeouts) και ορίων ρυθμού (rate limits).
- Εκτίμηση και Διαχείριση Κόστους: Υπολογισμός χρήσης tokens και τιμολόγησης.
Πρακτικό Εργαστήριο:
- Κατασκευή ενός RESTful API endpoint (με χρήση FastAPI ή Flask) που «τυλίγει» ένα LLM για να εκτελεί μια συγκεκριμένη εργασία (π.χ. περίληψη κειμένου, ανάλυση συναισθήματος, παραγωγή κειμένου μάρκετινγκ).
- Beyond Basic Prompts: Retrieval-Augmented Generation (RAG)
9 ώρες διδασκαλίας- Τα Όρια της Γνώσης των LLMs.
- Αρχιτεκτονική RAG: Εισαγωγή (Ingestion), Ενσωματώσεις (Embeddings), Βάσεις Δεδομένων Διανυσμάτων (Vector Databases) και Ανάκτηση (Retrieval).
- Embeddings: Μετατροπή κειμένου σε αριθμούς που αναπαριστούν το νόημα.
- Εισαγωγή στις Βάσεις Δεδομένων Διανυσμάτων (π.χ. Pinecone, ChromaDB, Weaviate).
Πρακτικό Εργαστήριο
- Κατασκευή ενός “Document Q&A Bot”: Εισαγωγή ενός PDF ή κειμένου, αποθήκευση των embeddings σε μια βάση δεδομένων διανυσμάτων και δημιουργία εφαρμογής που απαντά σε ερωτήσεις βασισμένη αποκλειστικά σε εκείνο το έγγραφο.
- AI Agents: From Tools to Autonomy
9 ώρες διδασκαλίας- Τι είναι ένας Agent; Το παράδειγμα ReAct.
- Εφοδιάζοντας τα Μοντέλα με Εργαλεία: Σύνδεση των LLMs με συναρτήσεις (π.χ. αναζήτηση στο διαδίκτυο, αριθμομηχανή, API calls, εκτέλεση κώδικα).
- Πλαίσια Ανάπτυξης Agents: LangChain, LlamaIndex.
- Σχεδιασμός και Αποσύνθεση Εργασιών.
Πρακτικό Εργαστήριο:
- Κατασκευή ενός απλού research agent που μπορεί να χρησιμοποιεί ένα API αναζήτησης για να βρίσκει τρέχουσες πληροφορίες και στη συνέχεια να συνθέτει μια αναφορά.
- The Open-Source World: Running Your Own Models
9 ώρες διδασκαλίας - Γιατί Ανοιχτού Κώδικα
- Το Οικοσύστημα του Hugging Face: Βιβλιοθήκη transformers, pipelines και το Hub.
- Κβαντοποίηση: Εκτέλεση μοντέλων σε καταναλωτικό υλικό (consumer hardware).
- Εισαγωγή στην Τοπική Εκτέλεση (Local Inference) με Ollama ή LM Studio.
Πρακτικό Εργαστήριο:
- Χρήση του Ollama για την εκτέλεση ενός μικρού μοντέλου ανοιχτού κώδικα (π.χ. Llama 3, Phi-3) τοπικά στον υπολογιστή σας.
- Σύγκριση αποτελεσμάτων και απόδοσης με ένα cloud API.
- Τελικό Project
9 ώρες ενασχόλησης | Οι φοιτητές θα προτείνουν και θα κατασκευάσουν από το μηδέν ένα από τα παρακάτω:- Ένα Εσωτερικό Wiki Q&A Σύστημα με RAG: Για την εσωτερική τεκμηρίωση μιας εταιρείας.
- Ένα Βοηθό Κωδικοποίησης με AI: Ένα προσαρμοσμένο εργαλείο που βοηθά στη δημιουργία και επεξήγηση κώδικα για μια συγκεκριμένη βάση κώδικα.
- Ένα Ερευνητικό Agent Πολλαπλών Βημάτων: Που μπορεί να ερευνήσει ένα θέμα στο διαδίκτυο και να συντάξει ένα λεπτομερές υπόμνημα.
- Ένα Παιχνίδι με AI: Με μια δυναμική αφήγηση που καθοδηγείται από LLM.
Εκπαιδευτικό υλικό
- Σύγχρονη τηλεκπαίδευση
- Βιντεοδιαλέξεις (μπορεί να γίνει και ασύγχρονα)
- Παρουσιάσεις/Διαφάνειες σε ψηφιακή μορφή
- Σημειώσεις & Βιβλιογραφία
- Εργαστήρια/Workshops
Η αξία του προγράμματος
Η αξία του προγράμματος έγκειται στο ότι παρέχει ένα ολοκληρωμένο, πρακτικό και σύγχρονο μονοπάτι εκπαίδευσης πάνω στις πιο κρίσιμες τεχνολογίες AI, δίνοντας τη δυνατότητα στους συμμετέχοντες να αποκτήσουν άμεσα εφαρμόσιμες δεξιότητες που ζητάει η αγορά. Η σύνδεση θεωρίας και εργαστηρίων hands-on, η εμβάθυνση τόσο σε εμπορικές όσο και σε ανοιχτού κώδικα λύσεις, καθώς και η ανάπτυξη τελικού project με πραγματική αξία, καθιστούν το πρόγραμμα ένα ισχυρό εφόδιο για επαγγελματίες που επιθυμούν να κατανοήσουν, να υλοποιήσουν και να αξιοποιήσουν εφαρμογές τεχνητής νοημοσύνης σε ποικίλα πεδία.
Εβδομαδιαίο πρόγραμμα
Τρίτη και Πέμπτη, 18.00 - 21.00, για 12 εβδομάδες
Μέθοδοι αξιολόγησης και υπολογισμού τελικού βαθμού
Οι εκπαιδευόμενοι αξιολογούνται βάση ατομικής εργασίας.
WordPress MasterClass για αρχαρίους