
Generativ AI og LLM – Python udvikler
Beskrivelse
Dette kursus er for dig, der allerede har arbejdet med LLM’er og Python og gerne vil bygge videre med flere muligheder og metoder. Fokus er på at udnytte egne data, koble værktøjer sammen og lære teknikker til at forbedre kvalitet og styring af AI-udvikling.
Vi starter med udvidet prompt engineering, hvor du lærer at bruge dynamiske og kontekstuelle prompts, role prompting, memory-styring og token-budgettering til at få mere præcist og relevant output.
Derefter arbejder vi med retrieval-augmented generation (RAG), hvor AI’en kombinerer søgning i dine egne dokumenter med tekstgenerering. Du lærer at strukturere og indeksere dokumenter, bruge embeddings og similarity search, samt integrere med værktøjer som fx FAISS, Chroma, LlamaIndex og andre.
Vi ser også på, hvordan man kan bygge AI-pipelines med LangChain og n8n, der kan samle forskellige værktøjer, databaser og API’er i simple workflows – med mulighed for multi-step processer og styring af samtaleforløb.
En del af kurset handler om evaluering og kvalitetssikring af LLM-output – herunder metoder til human og automatisk evaluering, måling af relevans, samt logging og A/B-test.
Til sidst kigger vi på, hvordan man kan gøre løsningerne mere driftssikre, med fokus på privacy, fallback-strategier, brugerfeedback og forberedelse på compliance.
Efter kurset kan du:
- Udvikle og tilpasse RAG-pipelines
- Strukturere egne dokumenter til LLM-integration
- Integrere LLM’er med eksterne værktøjer og plugins
- Evaluere AI-output med forskellige metoder
- Designe workflows med kontrol over kontekst og adfærd
Certificeringspakker
Moduloversigt
- Modul 1Avanceret prompt engineering
- Avanceret prompt engineering gør det muligt at få LLM’er til at opføre sig præcist og huske kontekst
- Dynamiske og kontekstuelle prompts
- Role prompting og memory-styring
- Token budgeting og truncation
- Modul 2RAG – Retrieval-Augmented Generation
Se hvordan du kan kombinere dokument-søgning med tekstgenerering, så AI’en kan bruge dine egne data.
- Embeddings og similarity search ved brug af vector databases
- Dokument chunking og metadata tagging
- Integration med FAISS, Chroma og LlamaIndex
- Modul 3AI-pipelines med LangChain og n8n
Byg AI-flows, hvor forskellige værktøjer og trin kan kobles sammen – fx gennem pipelines i LangChain eller workflow-værktøjer som n8n
- Brugerdefinerede chains og agents
- Tool integration: databaser, web, API-kald
- Streaming, multi-turn og workflow control
- Modul 4Kvalitet og evaluering
Lær metoder til at vurdere, om en LLM’s output er brugbart og relevant.
- Human vs. automatisk evaluering
- Faithfulness, groundedness og håndtering af hallucinationer
- Logging, målinger og A/B-test
- Modul 5Drift og governance
Få indblik i, hvordan du kan gøre dine AI-løsninger mere driftsklare og sikre.
- Privacy, logging og fallback-strategier
- Indsamling af brugerfeedback
- Forberedelse på compliance og audit
Er du i tvivl?
Det ligger os meget på sinde, at du finder det kursusforløb, der skaber størst værdi for dig og din arbejdsplads. Tag fat i vores kursusrådgivere, de sidder klar til at hjælpe dig!
