Aufbau moderner Systeme: Theorie und Implementierung
Lehrer:
Hamas ur Rehman
Gastfakultät, Uet Peshawar
Inhaltsverzeichnis
- Kursübersicht
- Voraussetzungen
- Kursumriss
- Modul 1: Fortgeschrittene KI -Systeme
- Modul 2: Generative KI und große Sprachmodelle (LLMs)
- Modul 3: APIs - Theorie und praktische Implementierung
- Modul 4: Erstellen eines Chatbots mit LLMs
- Modul 5: Protokollierung in Anwendungen
- Modul 6: Umgebungsvariablen und Geheimnissemanagement
- Modul 7: Speichern von Chats in MongoDB
- Modul 8: Vektordatenbanken und Chromadb
- Modul 9: lokale Server -Setup und Hosting -APIs
- Modul 10: Docker für moderne Anwendungen
- Modul 11: Versionskontrolle mit Git
- Modul 12: API -Tests mit PyTest und Postman
- Modul 13: Cloud -Bereitstellung mit Azure
Kursübersicht
Aufbau moderner Systeme: Theorie und Implementierung ist ein umfassender Kurs, der sich mit dem Design und der Entwicklung fortschrittlicher Computersysteme befasst. Es überbrückt die Lücke zwischen theoretischen Fundamenten und praktischen Anwendungen und rüstet den Schülern das Wissen und die Fähigkeiten aus, um intelligente, skalierbare und effiziente Systeme aufzubauen.
Computational Intelligence -Techniken wie maschinelles Lernen und künstliche Intelligenz sind ein wesentlicher Bestandteil des modernen Systemdesigns und ermöglichen es, Systeme fundierte Entscheidungen zu treffen, sich an sich ändernde Umgebungen anzupassen und komplexe Probleme autonom zu lösen.
Voraussetzungen
Studenten, die sich für diesen Kurs anmelden, sollten Vorkenntnisse haben:
- Objektorientierte Programmierung (OOP)
- Allgemeine Programmierkonzepte
Kursumriss
Modul 1: Fortgeschrittene KI -Systeme
- Theorie:
- Einführung in fortschrittliche KI -Systeme
- Überblick über AI -Technologien und Anwendungen
- Entwicklung von AI -Systemen
Modul 2: Generative KI und große Sprachmodelle (LLMs)
- Theorie:
- Einführung in die generative KI
- Verständnis von großsprachigen Modellen (LLMs) wie GPT
- Anwendungen von LLMs in realen Projekten
- Praktisch:
- Fallstudie: Analyse eines Projekts mit integriertem LLM (z. B. Instantalfred on Insurancemarket.ae)
Modul 3: APIs - Theorie und praktische Implementierung
- Theorie:
- Einführung in APIs und ihre Bedeutung
- Arten von APIs: Ruhe, Graphql usw.
- Best Practices für API -Design
- Praktisch:
- Implementierung von APIs in Python
- Erstellen und Testen von APIs mit dem Postboten
Modul 4: Erstellen eines Chatbots mit LLMs
- Theorie:
- Komponenten eines Chatbots
- Wie LLMs in Chatbots verwendet werden
- Praktisch:
- Python -Implementierung eines kleinen Chatbots mit einem LLM
Modul 5: Protokollierung in Anwendungen
- Theorie:
- Warum die Protokollierung für Anwendungen von entscheidender Bedeutung ist
- Die Einschränkungen von Druckaussagen zum Debuggen
- Praktisch:
- Implementierung der Protokollierung in Python
- Best Practices anmelden
Modul 6: Umgebungsvariablen und Geheimnissemanagement
- Theorie:
- Einführung in Umgebungsvariablen und Geheimnisse
- Bedeutung der sicheren Speicherung sensibler Daten in Anwendungen
- Praktisch:
- Einrichten von Umgebungsvariablen und Geheimnissen in Python
- Verwenden von
.env -Dateien sicher in Projekten
Modul 7: Speichern von Chats in MongoDB
- Theorie:
- Einführung in NoSQL -Datenbanken (MongoDB)
- Anwendungsfälle von MongoDB in Chat -Anwendungen
- Praktisch:
- Speichern von Chatbot -Konversationen in einer MongoDB -Datenbank
- Abrufen gespeicherter Chats von MongoDB
Modul 8: Vektordatenbanken und Chromadb
- Theorie:
- Einführung in Vektordatenbanken
- Die Rolle von Vektordatenbanken in AI-gesteuerten Anwendungen
- Überblick über Chromadb und seine Anwendungsfälle
- Praktisch:
- Implementierung von Chromadb in einem Projekt
- Erforschen anderer Vektor -Datenbanken und deren Funktionen
Modul 9: lokale Server -Setup und Hosting -APIs
- Theorie:
- Verständnis lokaler Server und ihre Rolle in der Entwicklung
- Hosting APIs vor Ort zum Testen
- Praktisch:
- Einrichten eines lokalen Servers
- Testen von APIs in lokalen Umgebungen
Modul 10: Docker für moderne Anwendungen
- Theorie:
- Einführung in Docker und Containerisierung
- Vorteile der Verwendung von Docker in Entwicklung und Produktion
- Praktisch:
- Erstellen und Ausführen eines Docker -Containers für das Kursprojekt
Modul 11: Versionskontrolle mit Git
- Theorie:
- Einführung in Git und Versionskontrolle
- Zweige verstehen, Commits und Fusionen verstehen
- Praktisch:
- Praktische Erfahrung mit Git
- Projektversionen mit GitHub verwalten
Modul 12: API -Tests mit PyTest und Postman
- Theorie:
- Einführung in automatisierte Tests mit PyTest
- Bedeutung von API -Tests
- Praktisch:
- Schreiben von Unit -Tests für APIs mit PyTest
- Automatisierung von Tests für APIs mit Postboten
Modul 13: Cloud -Bereitstellung mit Azure
- Theorie:
- Einführung in Cloud -Plattformen (Azure, AWS, GCP)
- Vorteile der Cloud -Bereitstellung
- Praktisch:
- Bereitstellung von Docker -Containern in Azure
- Erkundung von Azure -Diensten für skalierbare KI -Systeme
