9 minuuttiaLangSmith 10 minuutissa
Osaat navigoida jälkiä, projekteja ja datasettejä LangSmithissä ja lukea token-kustannuksen, viiveen, virheasteen ja span-kohtaisen yksityiskohdan.
Dave Ebbelaar. Työtä tekevä tekoälyinsinööri käy läpi todellisen arviointitikapuunsa — assert-tyyliset yksikkötestit, referenssivapaat mittarit, LLM-as-judge -yhdenmukaisuus ihmisten kanssa sekä analyze/measure/improve -silmukka. Rakenne on lähin videovastine artikkelin argumenttiin, että arvioinnit ovat regressioita havaitseva järjestelmä, ei leaderboard.
Jotkin työkaluvalinnat vanhenevat, mutta tikapuu on terve: deterministiset tarkistukset ensin, sitten malliarvioidut tarkistukset validoituna ihmisiä vasten. Älä ohita kalibrointia vain siksi, että LLM-tuomari on helppo lisätä.
Suunnittele arviointitikapuu, joka nappaa regressiot ennen kuin kehotteen tai mallin muutokset saavuttavat käyttäjät.
Kokemusta tekoälytyönkulun toimittamisesta tai ylläpidosta tunnetuilla epäonnistumisesimerkeillä.
Viimeksi tarkistettu: 18.5.2026
Jatka samalla oppimisreitillä seuraaviin valikoituihin oheisvideoihin.
9 minuuttiaOsaat navigoida jälkiä, projekteja ja datasettejä LangSmithissä ja lukea token-kustannuksen, viiveen, virheasteen ja span-kohtaisen yksityiskohdan.
75 minuuttiaRakenna ensimmäinen MCP-palvelin ja ymmärrä, miten työkalut, skeemat, kehotteet, resurssit ja kuljetukset sopivat yhteen.
19 minuuttiaParanna työkalusuunnittelua, jotta agentit valitsevat oikean toiminnon oikeilla parametreilla.
Valikoituja ulkoisia kursseja, jotka käsittelevät aiheita tarkemmin.
Emory University Goizueta Business School faculty
The deeper, university-level counterpart to our beginner HubSpot marketing pick — Emory's business-school treatment goes past 'how to prompt' into training generative models for brand-specific output, the purchase-funnel economics of AI-generated content, and a full module of genuine skepticism about when generative AI is and isn't worth using in marketing.
IBM AI Academy
GenAI-kauden vastaus johtajan strategiaan. Kolme lyhyttä kurssia, jotka on suunniteltu erityisesti liiketoimintaan vastaaville — ei teknistä taustaosaamista vaadita — ja ne käsittelevät sitä, missä generatiivinen tekoäly tuottaa arvoa, miten sen voidaan hallita vastuullisesti sekä miten muuntaa epämääräinen "meidän pitäisi käyttää tekoälyä" konkreettiseksi ja puolustettavaksi käyttötarkoitukseksi. Arviointi 4.6 noin 700 arvostelun perusteella. Paras suorittaa ennen seuraavaa tekoälybudjetin päätöksentekoa.