| Kursbeschreibung (description): |
Maschinen und Equipment sind oft teuer in der Anschaffung und müssen durch hohe Auslastung über die Zeit amortisiert werden. Im Supportfall zählt dabei jede Minute. Intelligente Empfehlungssysteme können menschliche Support-Mitarbeiter entlasten und schnell effektive Lösungsempfehlungen abgeben. Mit großen Sprachmodellen (LLMs) können semantische Informationen effektiv erfasst und ausgewertet werden.
Im Workshop AI320 Empfehlungssysteme mit KI für Ticketsysteme und Kundensupport wird die Umsetzung eines LLM-basierten Empfehlungssystems im Supportumfeld vorgestellt. Die Teilnehmer lernen, wie KI-Tools klassische Szenarien wie z.B. den Customer Support unterstützen können und wie sie integriert werden müssen. Der Kurs kombiniert theoretische Konzepte mit praktischer Anwendung und zeigt Weiterentwicklungspotenziale auf.
Wir empfehlen die zusätzliche Teilnahme an folgenden inhaltlich verwandten Modulen:
|
|
| Zielgruppe (target group): |
|
|
| Voraussetzungen (requirements): |
Um dem Lerntempo und den Inhalten des Trainings AI320 Empfehlungssysteme mit KI für Ticketsysteme und Kundensupport gut folgen zu können, empfehlen wir vorab die Teilnahme an folgenden Kursen:
Alternativ sind Vorkenntnisse aus folgenden Bereichen nötig:
- Grundlagen der Python-Programmierung
- Empfehlungssysteme
- Prompt Engineering
- Large Language Models
|
|
| Ziele (objectives): |
Semantische Embeddings nutzen, Datenanalyse und Vorbereitung, Lösungsvorschlagssystem entwickeln, Weiterentwicklungspotenziale erkennen können.
|
|
| Preis und Dauer (price and duration): |
Dauer (duration): 1 Tag
Schulungslänge (course length): 04:30 Stunden (inkl. Pausen)
Preis (price): 450,- Euro zzgl. MwSt.
Gerne führen wir dieses Training auch inhouse bei Ihnen vor Ort durch, bitte sprechen Sie uns an.
Eine Druckansicht dieses Workshops finden Sie hier.
|
|
| Termine (dates): |
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
|
|
|
| Inhalte (agenda): |
- Einführung
- Use Case und Verbesserungspotenziale 'Finde schneller relevante Lösungen
- Lösungsarchitektur und Konzepte
- Architektur
- Embeddings
- VectorDB
- (Langchain)
- Techniken zur automatischen Lösungsempfehlung
- Basierend auf existierenden Lösungen
- Kombination von semantischen und relationalen Informationen
- Datenanalyse und Vorbereitung
- Vektorisierung von Tickets und Solutions
- Strukturierung von Payloads
- Entwicklung eines Lösungsvorschlagssystems
- Weiterentwicklungspotenziale
- Monitoring
- Digitaler Agent
- Abschluss Diskussion und Fragen, wie lässt sich das Gelernte auf den eigenen Kontext übertragen?
|
|
|
