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 Möglichkeiten von Cursor
- Verständnis der Erweiterbarkeit und Architektur von Cursor
- Überprüfung der AI-Modelltypen und Integrationspunkte
- Vorbereitung der Umgebung für erweiterte Anpassungen
Prinzipien effektiven Prompt Engineering
- Entwurf von Prompts für Präzision, Konsistenz und Anpassungsfähigkeit
- Strukturierung von Kontexthierarchien und Variable-Injection
- Bewertung der Prompt-Ausgaben und iterative Verfeinerung
Erstellung und Verwaltung von Prompt-Vorlagen
- Erstellen 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
- Einbetten domänenspezifischen Wissens in KI-Prompts
- Automatisierung von Updates und Synchronisation für dynamische Daten
Feinabstimmung von Modellen für die domänenspezifische Codegenerierung
- Identifizierung von Anwendungsfällen für feinabgestimmte Modelle
- Sammeln und Kuratieren von Feinabstimmungs-Datasets
- Testen, Validieren und Bereitstellen benutzerdefinierter trainierter Modelle
Entwicklung von benutzerdefinierten Tools und Adaptern
- Erweiterung von Cursor durch API-basierte Custom-Tooling
- Erstellung sicherer Adapter für Unternehmensarbeitsabläufe
- Implementierung von benutzerdefinierten Aktionen innerhalb des Editors
Sicherheit, Governance und Leistungsoptimierung
- Sicherstellung der sicheren Handhabung von KI-generiertem Code
- Etablierung von Policy-Guards und Compliance-Filtern
- Optimierung der Leistung und Ressourcenverwaltung
Zukunftsorientierte KI-Entwicklungsstrategien
- Bewertung neu entstehender Cursor-Funktionen und APIs
- Einführung von kontinuierlicher Feinabstimmung und Prompt-Lebenszyklusmanagement
- Aufbau interner Frameworks für nachhaltiges KI-Engineering
Zusammenfassung und nächste Schritte
Voraussetzungen
- Fundierte Kenntnisse in Programmierung und Softwarearchitektur
- Erfahrung mit KI-unterstützten Coding-Tools und APIs
- Kenntnisse in Machine-Learning- oder Prompt-Engineering-Konzepten
Zielgruppe
- KI-Ingenieure, die benutzerdefinierte KI-Arbeitsabläufe entwerfen
- Tooling- und Plattformingenieure, die interner Entwicklerwerkzeuge entwickeln
- Senior-Entwickler, die domänenspezifische KI-Modelle integrieren
14 Stunden