Το PHAROS AI Factory συνεχίζει τη χαρακτηριστική σειρά μαθημάτων του για όλα τα θέματα που σχετίζονται με το HPC, την Τεχνητή Νοημοσύνη (AI), τα LLM και τη μηχανική μάθηση σε διάφορους επιστημονικούς τομείς, με τα επόμενα τρία μαθήματα να αφορούν τα θέματα AI4LanguageCulture, Μηχανική Μάθηση και Ηθική της Τεχνητής Νοημοσύνης.
9ο μάθημα “RAGEnd-to-End: Αρχιτεκτονική, Ανάκτηση, Δημιουργία και Αξιολόγηση”
Η PHAROS AI Factory ανακοινώνει το 9ο μάθημα της εκπαιδευτικής της σειράς: «RAGEnd-to-End: Αρχιτεκτονική, Ανάκτηση, Δημιουργία και Αξιολόγηση», το οποίο θα πραγματοποιηθεί διαδικτυακά μέσω Zoom.
Μαθησιακοί στόχοι
- Εξηγώ τις βασικές αρχές και την αρχιτεκτονική των συστημάτων «Retrieval-Augmented Generation» (RAG).
- Κατανοώ γιατί το RAG βελτιώνει την ακρίβεια των πληροφοριών, τη σύνδεση με πραγματικά δεδομένα, τη διαφάνεια και την πρόσβαση σε εξωτερική γνώση.
- Περιγράφω τα κύρια στάδια της ροής εργασιών του RAG, από τη συλλογή και την προεπεξεργασία έως την ανάκτηση και τη δημιουργία απαντήσεων.
- Προσδιορίζω τις σχεδιαστικές επιλογές όσον αφορά την κατάτμηση, τις ενσωματώσεις, την αποθήκευση διανυσμάτων, την ανάκτηση, τη διαμόρφωση προτροπών και τη σύνδεση των απαντήσεων με πραγματικά δεδομένα.
- Αξιολογώ την ποιότητα της ανάκτησης, την ποιότητα της παραγωγής και τη συμπεριφορά του RAG από την αρχή έως το τέλος.
Μαθησιακά Αποτελέσματα
Μετά την ολοκλήρωση του μαθήματος, οι συμμετέχοντες θα έχουν:
- Σαφή κατανόηση των κύριων συστατικών και των σχεδιαστικών παραδειγμάτων των συστημάτων RAG.
- Πρακτική εξοικείωση με την προετοιμασία εγγράφων, τη διαίρεση σε τμήματα, τη δημιουργία ενσωματώσεων, την ευρετηρίαση διανυσμάτων και την ανάκτηση βάσει ομοιότητας.
- Πρακτική εμπειρία στην κατασκευή μιας λειτουργικής ροής εργασιών RAG χρησιμοποιώντας Python και σύγχρονα εργαλεία.
- Την ικανότητα να συνδέουν τα ανακτηθέντα στοιχεία με τη δημιουργία απαντήσεων βάσει LLM με τρόπο τεκμηριωμένο και διαφανή.
- Εξοικείωση με τις μεθόδους αξιολόγησης της ανάκτησης, της δημιουργίας, της πιστότητας, της τεκμηρίωσης και της συνολικής απόδοσης του RAG.
- Κατανόηση του τρόπου με τον οποίο το RAG μπορεί να υποστηρίξει εφαρμογές στην ελληνική γλώσσα, συμπεριλαμβανομένης της ανάκτησης πληροφοριών δημόσιας υπηρεσίας και της υποστήριξης συνομιλίας.
- Τις δεξιότητες για την ανάλυση, την αξιολόγηση και τη βελτίωση συστημάτων RAG με σκοπό την εφαρμογή τους στην πράξη.
Ημερομηνία: 7 Ιουλίου 2026, στις 11:00 EEST
Γλώσσα παρουσίασης: Ελληνικά
Κοινό: Το μάθημα αυτό απευθύνεται σε μηχανικούς μηχανικής μάθησης, μηχανικούς τεχνητής νοημοσύνης, επιστήμονες δεδομένων, ακαδημαϊκούς ερευνητές, καθώς και ειδικούς στη γλώσσα και τον πολιτισμό.
Τόπος διεξαγωγής: Διαδικτυακά μέσω Zoom
Περισσότερες πληροφορίες και το πρόγραμμα του μαθήματος μπορείτε να βρείτε εδώ
10ο μάθημα “Πρόβλεψη χρονοσειρών και ανανεώσιμες πηγές ενέργειας”
Μαθησιακοί στόχοι
- Ανάπτυξη και αξιολόγηση μοντέλων μηχανικής μάθησης για την πρόβλεψη της παραγωγής ηλιακής ενέργειας της επόμενης ημέρας.
- Ερμηνεία των αποτελεσμάτων των προβλέψεων με τη χρήση κατάλληλων δεικτών απόδοσης και τεχνικών επικύρωσης.
- Κατανόηση του ρόλου της ακριβούς πρόβλεψης της ενέργειας από ανανεώσιμες πηγές στις αγορές ηλεκτρικής ενέργειας και στη λειτουργία του ενεργειακού συστήματος.
- Περιγραφή του τρόπου με τον οποίο οι συγκεντρωτές ενέργειας από ανανεώσιμες πηγές χρησιμοποιούν τις προβλέψεις για να υποστηρίξουν τη συμμετοχή στην αγορά και τη σταθερότητα του δικτύου.
- Αναγνώριση της σημασίας της αποτελεσματικής οπτικοποίησης δεδομένων και των διεπαφών χρήστη για την επικοινωνία των αποτελεσμάτων των προβλέψεων.
- Εφαρμογή βέλτιστων πρακτικών για τον σχεδιασμό ολοκληρωμένων ροών εργασιών πρόβλεψης, από τη συλλογή δεδομένων έως την εφαρμογή μοντέλων.
Θα πραγματοποιηθεί διαδικτυακά μέσω Zoom.
Ημερομηνία: 10 Ιουλίου 2026, στις 12:00 EEST
Γλώσσα παρουσίασης: Ελληνικά
Απευθύνεται σε: Μηχανικούς Μηχανικής Μάθησης, Μηχανικούς Τεχνητής Νοημοσύνης, Επιστήμονες Δεδομένων και Ακαδημαϊκούς Ερευνητές.
Τόπος διεξαγωγής: Διαδικτυακά μέσω Zoom
Περισσότερες πληροφορίες και το πρόγραμμα του μαθήματος μπορείτε να βρείτε εδώ
11ο μάθημα “Αξιολόγηση και μετριασμός των κινδύνων για την προστασία της ιδιωτικής ζωής στη μηχανική μάθηση και σε περιβάλλοντα με εντατική χρήση δεδομένων”
Ημερομηνία: 14 Ιουλίου 2026, στις 12:00 EEST
Τόπος: Διαδικτυακά μέσω Zoom
Γλώσσα παρουσίασης: Ελληνικά
Ακροατήριο: Υπεύθυνοι συμμόρφωσης, ειδικοί στον τομέα της υγείας
Προαπαιτούμενα: Ηθική της τεχνητής νοημοσύνης
Μαθησιακοί στόχοι
- Κατανόηση των προκλήσεων που δημιουργούνται στον τομέα της ιδιωτικότητας από τις σύγχρονες εφαρμογές κοινής χρήσης δεδομένων και μηχανικής μάθησης.
- Εξοικείωση με τις νομικές και τεχνικές διαφορές μεταξύ ανωνυμοποίησης και ψευδωνυμοποίησης σύμφωνα με τον ΓΚΠΔ.
- Εξοικείωση με καθιερωμένες τεχνικές ανωνυμοποίησης, συμπεριλαμβανομένων των k-ανωνυμίας και km-ανωνυμίας, και κατανόηση της εφαρμοσιμότητας και των περιορισμών τους.
- Κατανόηση των αρχών της διαφορικής ιδιωτικότητας και του ρόλου της στην ανάλυση δεδομένων και τη μηχανική μάθηση με διαφύλαξη της ιδιωτικότητας.
- Απόκτηση πρακτικής εμπειρίας στη χρήση της πλατφόρμας ανωνυμοποίησης Amnesia.
- Κατανόηση των σημαντικότερων επιθέσεων κατά της ιδιωτικότητας που στοχεύουν μοντέλα μηχανικής μάθησης και σύνολα δεδομένων εκπαίδευσης.
- Ενημέρωση σχετικά με προσεγγίσεις μηχανικής μάθησης που διαφυλάσσουν την ιδιωτικότητα, συμπεριλαμβανομένης της ομοσπονδιακής μάθησης και της διαφορικής ιδιωτικότητας.
Περισσότερες πληροφορίες και το πρόγραμμα του μαθήματος μπορείτε να βρείτε εδώ
Βρείτε συγκεντρωμένα τα PHAROS Training Series στην επίσημη σελίδα τους εδώ (αναμένεται η επίσημη ανακοίνωση και των Training Series 12 και 13 σύντομα).
