Formål og omfang
Denne on demand-uddannelse guider deltagerne ved at designe domænespecifikke AI-assistenter til landbrugsfødevareapplikationer ved at integrere grafdatabaser med LLM'er. Deltagerne vil lære en fire-trins proces: oprettelse af en grafdatabase, der forbinder den med en smart LLM, udvikling af en responsiv brugergrænseflade og anvendelse af den på smart farming use cases.
Kurset omfatter praktiske kodningssessioner med værktøjer som Python, Streamlit, GitLab og kommercielle eller open source LLM API'er. Virkelige eksempler som Pan-Café og Soilwise demonstrerer praktisk gennemførelse.
Denne uddannelse er ideel til tekniske teams, der støtter SMV'er med datadrevne rådgivningsværktøjer inden for landbrug og fødevaresystemer.
Hvis du vil have mere information om træningen, så kontakt os. Marijke.hunninck@ilvo.vlaanderen.be
Læringsmål
Ved afslutningen af uddannelsen vil deltagerne kunne:
- Opsæt og udfyld en grafdatabase med domænespecifikt indhold ved hjælp af Python
- Tilslut en kommerciel eller open source LLM til grafdatabasen og forespørg tekstdata
- Byg en prototype brugergrænseflade i Streamlit til at interagere med AI-systemet
- Forklar fordelene og begrænsningerne ved at kombinere LLM'er med videngrafer til smarte landbrugsværktøjer
- Evaluering af potentielle tilfælde af anvendelse af landbrugsfødevarer til anvendelse af AI-assistenter
Læringsudbytte
Deltagerne vil:
- Få praktisk erfaring med at opbygge AI-assistenter til landbrugsfødevareapplikationer
- Forstå integration af grafdatabaser og LLM'er
- Være i stand til at prototype og teste interaktive AI-løsninger
- Vurdere potentialet og begrænsningerne ved AI-støttede beslutningsværktøjer inden for intelligent landbrug
Hvem bør deltage?
EDIH-deltagere, tekniske teams, der støtter SMV'er, AI-udviklere, datavidenskabsfolk og andre fagfolk, der er interesserede i AI-støttede rådgivningssystemer for landbrug og fødevarer.
Gennemførelse af kunstig intelligens
Etik
I andre tilfælde
Tjenesteydelser
Software-/AI-model