Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in die erweiterten Funktionen von Cursor
- Verständnis der Erweiterbarkeit und Architektur von Cursor
- Überblick über KI-Modellttypen und Integrationspunkte
- Vorbereitung der Umgebung für erweiterte Anpassungen
Grundprinzipien des effektiven Prompt Engineering
- Gestaltung von Prompts für Präzision, Konsistenz und Anpassungsfähigkeit
- Strukturierung von Kontext-Hierarchien und Variableneinjektion
- Bewertung der Prompt-Ergebnisse und Verfeinerung der Iterationen
Erstellung und Verwaltung von Prompt-Vorlagen
- Anlegen wiederverwendbarer Prompt-Vorlagen für Teams
- Versionierung und Pflege von Vorlagendepots
- Integration von Prompt-Vorlagen in CI/CD-Pipelines
Integration von Cursor mit internen Wissensdatenbanken
- Verbindung zu Dokumentations-APIs und internen Datenquellen
- Eingebettung domänenspezifischen Wissens in KI-Prompts
- Automatisierung von Updates und Synchronisation für dynamische Daten
Fine-Tuning von Modellen für domänenspezifische Codegenerierung
- Identifizierung von Anwendungsfällen für fine-getunte Modelle
- Sammlung und Kuratierung von Fine-Tuning-Datensätzen
- Testen, Validieren und Bereitstellen selbst trainierter Modelle
Entwicklung benutzerdefinierter Tools und Adapter
- Erweiterung von Cursor durch API-basiertes benutzerdefiniertes Tooling
- Erstellung sicherer Adapter für Enterprise-Workflows
- Implementierung benutzerdefinierter Aktionen innerhalb des Editors
Sicherheit, Governance und Leistungsoptimierung
- Sicherstellung einer sicheren Handhabung von KI-generiertem Code
- Etablierung von Richtlinienwächtern und Compliance-Filtern
- Optimierung der Leistung und der Ressourcennutzung
Zukunftsfähige Strategien für KI-Entwicklung
- Bewertung neuer Funktionen und APIs von Cursor
- Umsetzung kontinuierlichen Fine-Tunings und der Verwaltung des Prompt-Lebenszyklus
- Aufbau interner Frameworks für nachhaltige KI-Ingenieurleistungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis der Programmierung und Softwarearchitektur
- Kenntnisse mit KI-gestützten Coding-Tools und APIs
- Grundlagenwissen zu Machine Learning oder Konzepten des Prompt Engineering
Zielgruppe
- KI-Ingenieurinnen und -Ingenieure, die benutzerdefinierte KI-Workflows entwerfen
- Tooling- und Plattform-Ingenieurinnen und -Ingenieure, die interne Entwickler-Tools erstellen
- Senior-Entwicklerinnen und -Entwickler, die domänenspezifische KI-Modelle integrieren
14 Stunden
