DevOps, MLOps czy zgodność z przepisami?

Przejście od POC do pełnego wdrożenia wymaga rozbudowy tego, co już powstało, a także dodania nowych elementów. Kluczowe nowe komponenty to DevOps, MLOps oraz zgodność z przepisami, prywatność i bezpieczeństwo.

Czy pamiętasz, które działania należą do której kategorii?

To ćwiczenie jest częścią kursu

Wdrażanie rozwiązań AI w biznesie

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Wdrażanie rozwiązań AI w biznesie

SkillTag.level.beginnerSkillTag.label

4.8+

Rozpocznij kurs za darmo

Dowiedz się, czym jest AI, jak ewoluowała i czym różni się od innych rozwiązań opartych na danych, które nie korzystają ze sztucznej inteligencji. W tym rozdziale zaczniesz budować ramy wdrażania AI w organizacji — poznasz kluczowe elementy strategii AI, etapy implementacji oraz podstawy projektowania technicznego. Na koniec przekonasz się, jak ważna jest odpowiedzialna AI i ład w jej zakresie przez cały ten proces.

Exercise 1: Przegląd AI Exercise 2: Ile wiesz o AI?Exercise 3: Fazy wdrożenia rozwiązania AI Exercise 4: Ogólny zarys: jak działa AI?Exercise 5: Ile wiesz o AI?Exercise 6: Generatywna AI a inne rodzaje AI Exercise 7: Komponenty rozwiązania AI Exercise 8: Odpowiedzialna AI Exercise 9: Dlaczego odpowiedzialna AI jest ważna?Exercise 10: Wspólne zasady odpowiedzialnej AI Exercise 11: Ocena ryzyka dla nowego rozwiązania AI

Wiesz już, czym jest AI i jak podejść do niej odpowiedzialnie. Czas lepiej poznać jej korzyści, ograniczenia i zastosowania biznesowe. W tym rozdziale przyjrzymy się wartości, jaką AI może wnieść do organizacji, ale też obszarom, w których jej brakuje. Omówimy wybrane przypadki użycia w różnych działach firmy, a na koniec poznasz zasady wyboru naprawdę dobrego przypadku użycia dla rozwiązania opartego na AI.

Exercise 1: Korzyści z AI dla biznesu Exercise 2: Filary wartości AI Exercise 3: Realna wartość dla biznesu czy miły dodatek?Exercise 4: Ograniczenia AI Exercise 5: Wskaż ograniczenia AI Exercise 6: Ograniczenie czy korzyść?Exercise 7: Człowiek w pętli Exercise 8: Zastosowania AI Exercise 9: Typowe zastosowania biznesowe Exercise 10: Zalety AI w danym scenariuszu Exercise 11: Wskaż przypadek użycia AI Exercise 12: Zasady dobrego przypadku użycia Exercise 13: Klasyfikowanie przypadków użycia Exercise 14: Dekonstrukcja zadania

Mając już wybrane przypadki użycia, czas zbudować proof of concept! To niewielki projekt, który pozwoli ocenić wykonalność pomysłu i oszacować potencjalną wartość biznesową pełnego wdrożenia. W tym rozdziale poznasz etapy POC, czynniki decydujące o jego powodzeniu oraz kluczowe kwestie dotyczące infrastruktury technicznej i danych. Na koniec dowiesz się, jakie role są potrzebne w zespole projektowym POC.

Exercise 1: Pierwsze kroki z POC Exercise 2: Fazy POC Exercise 3: Co sprawia, że POC odnosi sukces?Exercise 4: Pytania pomagające doprecyzować cele Exercise 5: Dane Exercise 6: Znaczenie danych Exercise 7: Profilowanie i ocena danych Exercise 8: Stronnicze dane Exercise 9: Infrastruktura Exercise 10: Pytania dotyczące infrastruktury POC Exercise 11: Środowisko programistyczne AI Exercise 12: Kupić czy zbudować?Exercise 13: Budowanie zespołu projektowego Exercise 14: Rodzaje ról Exercise 15: Obowiązki

W tym ostatnim rozdziale kursu poznasz końcowe etapy wdrażania rozwiązania AI: ocenę POC, skalowanie oraz dostosowanie kultury organizacyjnej i kompetencji. Zrozumiesz, jak oceniać POC i jakie wskaźniki świadczą o gotowości do skalowania. Omówimy najważniejsze obszary, na których warto się skupić podczas przejścia do pełnego wdrożenia — w tym wymagania dotyczące kultury organizacyjnej i podnoszenia kompetencji pracowników.

Exercise 1: Mierzenie wyników POC Exercise 2: Co sprawia, że POC jest udany?Exercise 3: Klasyfikowanie metryk w scenariuszu e-commerce Exercise 4: Ocena POC Exercise 5: Komponenty skalowania Exercise 6: Równoważenie wartości i wykonalności Exercise 7: Podejmij decyzję o skalowaniu Exercise 8: Uwagi dotyczące pełnego wdrożenia Exercise 9: Kluczowe obszary pełnego wdrożenia Exercise 10: Monitorowanie i dryf modelu Exercise 11: DevOps, MLOps czy zgodność z przepisami?

Bieżące ćwiczenie

Exercise 12: Wdrożenie i doskonalenie kompetencji Exercise 13: Przyczyny braku korzyści finansowych Exercise 14: Opór wobec AI Exercise 15: Korzyści ze zarządzania zmianą, kultury organizacyjnej i podnoszenia kompetencji Exercise 16: Podsumowanie