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 Funktionen von Cursor
- Verständnis der Erweiterbarkeit und Architektur von Cursor
- Überblick über KI-Modelltypen und Integrationspunkte
- Vorbereitung der Umgebung für fortgeschrittene Anpassungen
Prinzipien des effektiven Prompt Engineering
- Gestaltung von Prompts für Präzision, Konsistenz und Anpassungsfähigkeit
- Strukturierung von Kontext-Hierarchien und Variablen-Injektion
- Bewertung der Prompt-Ausgaben und Verfeinerung von Iterationen
Erstellung und Verwaltung von Prompt-Vorlagen
- Erstellung wiederverwendbarer Prompt-Vorlagen für Teams
- Versionierung und Wartung von Vorlagen-Repositories
- Integration von Prompt-Vorlagen in CI/CD-Pipelines
Integration von Cursor mit internen Wissensdatenbanken
- Verbindung zu Dokumentations-APIs und internen Datenquellen
- Einarbeitung domänenspezifischen Wissens in KI-Prompts
- Automatisierung von Updates und Synchronisierung für dynamische Daten
Fine-Tuning von Modellen für domänenspezifische Codegenerierung
- Identifizierung von Anwendungsfällen für fein abgestimmte Modelle
- Sammlung und Kuratierung von Fine-Tuning-Datensätzen
- Testen, Validieren und Bereitstellen von individuell trainierten Modellen
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 Performance-Optimierung
- Sicherstellung einer sicheren Verarbeitung von KI-generiertem Code
- Etablierung von Policy-Guards und Compliance-Filtern
- Optimierung der Leistung und Ressourcenverwaltung
Zukunftssichere Strategien für die KI-Entwicklung
- Bewertung neu aufkommender Cursor-Funktionen und APIs
- Einführung von kontinuierlichem Fine-Tuning und Lifecycle-Management von Prompts
- Aufbau interner Frameworks für nachhaltige KI-Ingenieursleistungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundsolides Verständnis von Programmierung und Softwarearchitektur
- Erfahrung mit KI-gestützten Coding-Tools und APIs
- Kenntnisse von Konzepten im Bereich Machine Learning oder Prompt Engineering
Zielgruppe
- KI-Ingenieure, die benutzerdefinierte KI-Workflows gestalten
- Tooling- und Plattformingenieure, die interne Entwickler-Tools erstellen
- Senior-Entwickler, die domänenspezifische KI-Modelle integrieren
14 Stunden
