Kontakt aufnehmen

Schulungsübersicht

Einführung in die erweiterten Möglichkeiten von Cursor

  • Verständnis für die Erweiterbarkeit und Architektur von Cursor
  • Überprüfung der KI-Modelltypen und Integrationspunkte
  • Vorbereiten der Umgebung für erweiterte Anpassungen

Prinzipien effektiven Prompt Engineering

  • Design von Prompts für Präzision, Konsistenz und Anpassungsfähigkeit
  • Strukturierung von Kontext-Hierarchien und Variablen-Injection
  • Bewertung der Prompt-Ausgaben und Verfeinerung der Iterationen

Erstellen und Verwalten von Prompt-Vorlagen

  • Erstellung wiederverwendbarer Prompt-Vorlagen für Teams
  • Versionierung und Pflege von Vorlagen-Repositories
  • Integration von Prompt-Vorlagen in CI/CD-Pipelines

Integration von Cursor mit internen Wissensdatenbanken

  • Verbindung zu Dokumentations-APIs und internen Datenquellen
  • Einbetten domänenspezifischen Wissens in KI-Prompts
  • Automatisierung von Updates und Synchronisation für dynamische Daten

Fine-Tuning von Modellen für die domänenspezifische Codegenerierung

  • Identifizierung von Anwendungsfällen für feinabgestimmte Modelle
  • Sammeln und Pflegen von Fine-Tuning-Datasets
  • Testen, Validieren und Bereitstellen von benutzerdefiniert trainierten Modellen

Entwicklung von Custom Tools und Adapters

  • Erweiterung von Cursor durch API-basiertes Custom Tooling
  • Erstellung sicherer Adapter für Unternehmens-Workflows
  • Implementierung benutzerdefinierter Aktionen innerhalb des Editors

Sicherheit, Governance und Performance-Optimierung

  • Sicherstellung eines sicheren Umgangs mit KI-generiertem Code
  • Einrichtung von Policy Guards und Compliance-Filters
  • Optimierung der Performance und Ressourcenverwaltung

Zukunftssichere KI-Entwicklungsstrategien

  • Bewertung neuer Cursor-Funktionen und APIs
  • Übernahme von kontinuierlichem Fine-Tuning und Prompt-Lifecycle-Management
  • Aufbau interner Frameworks für nachhaltiges KI-Engineering

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Fundiertes Verständnis von Programmierung und Softwarearchitektur
  • Erfahrung mit KI-unterstützten Coding-Tools und APIs
  • Kenntnisse in Machine Learning oder Prompt Engineering Konzepten

Zielgruppe

  • KI-Ingenieur*innen, die benutzerdefinierte KI-Workflows entwerfen
  • Tooling- und Platform-Ingenieur*innen, die interne Developer-Tools entwickeln
  • Senior Entwickler*innen, die domänenspezifische KI-Modelle integrieren
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien