AI for Software Developers
Vill du lära dig mer om potentialen för AI inom mjukvaruutveckling?
Den här kursen ger dig en omfattande förståelse för AI-kodningsassistenter, promptteknik och praktiska tillämpningar genom övningar och verkliga fallstudier. Du får använda AI-verktyg för att utveckla en applikation med hjälp av byggstenarna du lär dig under kursen.
Leveransformer kan variera beroende på ort och datum.
På plats innebär att kursen hålls i klassrum. Läs mer här.
LiveClass innebär att kursen hålls som en lärarledd interaktiv onlineutbildning. Läs mer här.
Boka utbildning
Efter kursen har du kunskap och praktisk erfarenhet för att självständigt använda AI-assistenter under programutvecklingsprocessen och effektivt skapa olika typer av applikationer på en bråkdel av tiden jämfört med traditionella metoder.
Lär dig att optimera ditt arbetsflöde, förbättra genereringen av innehåll och dra nytta av kraften hos AI för att förvandla din programutvecklingsprocess och öka din produktivitet.
Målgrupp och förkunskaper
Den här kursen vänder sig till systemutvecklare som vill lära sig att utnyttja AI-verktyg.
För att kunna delta i utbildningen behöver du erfarenhet av och allmänna kunskaper om systemutveckling. Dessutom behöver du allmän kunskap om artificiell intelligens och viss erfarenhet av att skriva textprompter för generativ AI.
Kursens mål
-
Förstå grunderna inom Artificiell Intelligens
-
Identifiera och förklara olika typer av AI
-
Använda språkmodeller på en högre nivå med promptteknik
-
Använda AI-verktyg för att öka produktivitet och effektivitet
-
Få praktisk erfarenhet av att använda AI-verktyg under utvecklingen
Detaljerad information
Kursmaterialet är på engelska, med detta innehåll:
AI in the software development industry
- Impact of AI on tech industry
- Reaction of the big players
- AI won't take your job (yet)
- From simple questions to working code
- AI improves software development
- AI will transform software as we know it
- Connection between AI and software developers
The AI landscape
- Welcome to the AI Revolution
- Is this magic?
- Demo - Github Copilot
- Your AI Pair Programmer
- What can it do?
- Writing Unit Tests
- Writing Regular Expressions
- Demo - Amazon CodeWhisperer
- AI Code Generator
- Tabnine - Tabnine
- Code completion
- Tabnine chat
- Cloud VM Intro
- Introduction
- Lab Guide
- OpenAI DALL-E 2 Introduction
- Generating images with simple prompts
- Calling DALL-E from the command prompt
- Demo - Stable Diffusion XL
- Capabilities
Developer Plugins
- Demo - Advanced Data Analytics
- Advanced Data Analytics
- How to enable Advanced Data Analytics?
- Math examples
- Upload and download files with data analysis
- Create and interpret code
Further important AI concepts
- Fine-tuning and embedding
- Fine-tuning
- Embeddings
Prompt Engineering
- Fundamentals summarized
- The 5 rules for prompting
- Intermediate techniques summarized
- Advanced techniques summarized
- Advanced techniques - SudoLang: pseudocode for LLMs
- Introducing SudoLang
- SudoLang examples
- Behind the tech
- A SudoLang program
- Integrating an LLM
- Integrating an LLM with SudoLang
- Translate a prompt to SudoLang
- A long prompt
- A different solution
- Tree of Thoughts - Advanced techniques
- How does it work?
- How can you experiment with this?
- Tree of Thoughts with LangChain framework
- Trying out LangChain's ToT
- Limitations in development
- Limitations of ChatGPT
- Example - hallucinated answer
- Example - the correct function
Copilot ecosystem
- GitHub Copilot
- Inside GitHub Copilot
- Prompt Engineering inside Copilot
- Fill-In-the-Middle (FIM)
- Life of a Completion
- Copilot over the network
- Improved semantic understanding with embedding
- Features and use-cases
- Productivity increase
- Boosted coding speed
- GitHub Copilot - Autocomplete
- Most trivial feature: autocomplete
- Basic usage
- Setting up GitHub Copilot
- Log in
- GitHub Copilot autocomplete
- GitHub Copilot - Prompt Engineering
- Code generation from comments
- Prompt Engineering in Copilot
Copilot ecosystem
- GitHub Copilot - Testing
- Writing unit tests
- Testing with Github Copilot
- First tests for an Express app
- GitHub Copilot - Unfamiliar territory and boilerplate
- Boilerplate code generation
- Unfamiliar framework or libraries
- Writing boilerplate code
- Write boilerplate code
- Express boilerplate with Copilot
- Unfamiliar framework or libraries
- Calling an API
- ChatGPT in your IDE
- CodeGPT
- Copilot Limitations
- Amazon CodeWhisperer
- Code with confidence
- Enhance code security
- Language and IDE compatibility
- Tabnine
- Code privacy
- Local machine mode
- Tabnine for teams
- Writing unit tests
- Comparison
- Choose your fighter wisely
Cloud providers
- Microsoft Azure AI Tools
- Azure AI services
- Azure OpenAI Studio
- Hosting a model
- Google Cloud Platform
- Google Vertex AI
- Vertex AI - Generative AI Studio
- Vertex AI - Model Garden
- Amazon AI Tools
- Amazon Bedrock
- Other Amazon tools for building generative AI applications
Building an AI integrated application
- Fresh Cart
- Introducing Fresh Cart
- The vision for Fresh Cart 2.0
- How will we get there?
- Fresh Cart Setup
- Setting up the exercise
- The perfect output
- Fill the database with 100 ingredients
- Fresh Cart - Integrating an LLM chatbot
- OpenAI API introduction
- Context crafting and streaming
- Fresh Cart chatbot
- Recipe chatbot
- Recipe chatbot
- Fresh Cart - Prompt routing
- Using multiple contexts
- From routing to orchestration
- Prompt routing
- Prompt orchestration summary
- Output formatting
- Fresh Cart - Basic Semantic Search
- What is semantic search?
- Semantic search vs. classical search?
- Fresh Cart - State mutation
- Mutate state based on semantics
- Fresh Cart - Next steps
- Improvements
- Upcoming features
- Operating an AiLLM
- Logging
- Self correction
- Attacks on AI systems - Prompt injection
- Prompt injection
- Impact
- Examples
- Indirect prompt injection
- From prompt injection to phishing
- Prompt injection exercise
- Prompt injection exercise
- Get the password!
Closing
- Summary and closing
- What did we learn?
- Coding assistants summarized
- Amazon CodeWhisperer and Tabnine
- Cloud providers summary
- Cloud solutions
- AI-integrated applications summary
- Integrating an LLM into an application