Syfte och omfattning
Denna utbildning på begäran guidar deltagarna genom att utforma domänspecifika AI-assistenter för jordbruksbaserade livsmedelsapplikationer genom att integrera grafdatabaser med LLM. Deltagarna kommer att lära sig en process i fyra steg: Upprätta en grafdatabas, koppla den till en smart LLM, utveckla ett responsivt användargränssnitt och tillämpa den på användningsfall för smart jordbruk.
Kursen innehåller praktiska kodningssessioner med verktyg som Python, Streamlit, GitLab och kommersiella eller öppna LLM API: er. Verkliga exempel som Pan-Café och Soilwise visar det praktiska genomförandet.
Denna utbildning är idealisk för tekniska team som stöder små och medelstora företag med datadrivna rådgivningsverktyg inom jordbruk och livsmedelssystem.
Vill du få mer information om utbildningen är du välkommen att höra av dig till Marijke.hunninck@ilvo.vlaanderen.be
Lärandemål
I slutet av utbildningen kommer deltagarna att kunna:
- Konfigurera och fylla en grafdatabas med domänspecifikt innehåll med Python
- Anslut en kommersiell eller öppen källkod LLM till grafdatabasen och fråga textdata
- Bygg ett prototypanvändargränssnitt i Streamlit för att interagera med AI-systemet
- Förklara fördelarna och begränsningarna med att kombinera LLM med kunskapsdiagram för smarta jordbruksverktyg
- Utvärdera potentiella fall av användning av jordbruksbaserade livsmedel för användning av AI-assistenter
Läranderesultat
Deltagarna kommer att
- Få praktisk erfarenhet av att bygga AI-assistenter för jordbruksbaserade livsmedelstillämpningar
- Förstå integration av grafdatabaser och LLM
- Kunna ta fram prototyper och testa interaktiva AI-lösningar
- Bedöma potentialen och begränsningarna hos AI-stödda beslutsverktyg inom smart jordbruk
Vem bör delta?
EDIH-deltagare, tekniska team som stöder små och medelstora företag, AI-utvecklare, datavetare och andra yrkesverksamma som är intresserade av AI-stödda rådgivningssystem för jordbruk och livsmedel.
AI-genomförande
Etik
Övrigt
Tjänster
Programvara / AI-modell