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 fortgeschrittenen Cursor-Fähigkeiten
- Verstehen der Erweiterbarkeit und Architektur von Cursor
- Überblick über AI-Modelltypen und Integrationspunkte
- Vorbereiten der Umgebung für fortgeschrittene Anpassungen
Grundprinzipien effektiven Prompt Engineering
- Entwerfen von Prompts für Präzision, Konsistenz und Anpassbarkeit
- Strukturieren von Kontexthierarchien und Variableninjektionen
- Evaluieren und Verfeinern der Prompt-Ausgaben in Iterationen
Erstellen und Verwalten von Prompt-Vorlagen
- Erstellen wiederverwendbarer Prompt-Vorlagen für Teams
- Versionsverwaltung und Wartung von Vorlagen-Repositories
- Integrieren von Prompt-Vorlagen in CI/CD-Pipelines
Integration von Cursor mit internen Wissensdatenbanken
- Verbindung mit Dokumentations-APIs und internen Datenquellen herstellen
- Einbinden von domänenspezifischem Wissen in AI-Prompts
- Automatisches Aktualisieren und Synchronisieren dynamischer Daten
Feinjustieren von Modellen für domänenspezifische Codeerstellung
- Identifizieren von Anwendungsfällen für feinjustierte Modelle
- Sammeln und Küraten von Feinjustierungsdatensätzen
- Testen, Validieren und Bereitstellen benutzerdefiniert trainierter Modelle
Entwickeln von benutzerdefinierten Tools und Adaptern
- Erweitern von Cursor mit API-basiertem benutzerdefinierten Tooling
- Erstellen sicherer Adapter für Unternehmensabläufe
- Implementieren benutzerdefinierter Aktionen im Editor
Sicherheit, Governance und Performance-Optimierung
- Sichere Verarbeitung von AI-generiertem Code gewährleisten
- Richtlinien-Schutzwälle und Konformitätsfilter einrichten
- Optimieren der Performance und Ressourcenverwaltung
Zukunftsfähige AI-Entwicklungsstrategien
- Evaluieren neuer Cursor-Funktionen und APIs
- Implementieren kontinuierlicher Feinjustierung und Prompt-Lifecycle-Management
- Erstellen interner Frameworks für nachhaltiges AI-Engineering
Zusammenfassung und weitere Schritte
Voraussetzungen
- Solides Verständnis von Programmierung und Softwarearchitektur
- Erfahrung mit AI-gestützten Coding-Tools und APIs
- Kenntnisse der maschinellen Lernkonzepte oder Prompt Engineering
Zielgruppe
- AI-Ingenieure, die benutzerdefinierte AI-Workflows entwerfen
- Tooling- und Plattformingenieure, die interne Entwicklertools erstellen
- Senior-Entwickler, die domänenspezifische AI-Modelle integrieren
14 Stunden
