|
Избираемата дисциплина "Разработка на ИИ-интегрирани приложения" предоставя практически умения за създаване на съвременни уеб приложения, които комуникират с изкуствен интелект – както чрез локално инсталирани модели (Ollama, LM Studio), така и чрез облачни API услуги (OpenAI, Anthropic, Google Gemini). Курсът е изцяло проектно-ориентиран: студентите работят в екипи от 2-3 души, поддържат публично GitHub хранилище и демонстрират седмичен прогрес чрез редовни commit-и.
По избор студентите могат да използват Python (Flask или Quart за асинхронна обработка) или C# (.NET MVC Web Application). Лекциите включват кратка теоретична част и демонстрация на примерен проект, а упражненията са посветени на практическа работа по собствените проекти на екипите.
Тематично съдържание на учебната дисциплина
А. ЛЕКЦИИ
Тема 1: Въведение и настройка на средата
- l Преглед на съвременните ИИ технологии и тяхното приложение в софтуерни продукти
- l Създаване на GitHub хранилище, структура на проекта и README файл
- l Запознаване с Flask/Quart (Python) и .NET MVC (C#) – избор на технологичен стек
- l Инсталиране и конфигуриране на Ollama за локални LLM модели
- l Формиране на екипи (2-3 студенти) и дефиниране на проектни идеи
Тема 2: Работа с локални ИИ модели
- l Ollama API – endpoints, параметри и формат на заявките
- l Streaming responses – асинхронна обработка с Quart/async в Python
- l Избор на подходящ модел (Llama, Mistral, Phi, Qwen и др.) според задачата
- l Управление на контекст и conversation history
- l Демонстрация: чат приложение с локален модел
Тема 3: Prompt Engineering
- l Основи на prompt engineering – структура, контекст, инструкции
- l Zero-shot, few-shot и chain-of-thought prompting техники
- l System prompts и role-based prompting за контрол на поведението
- l Temperature, top_p и други параметри за контрол на генерацията
- l Prompt injection и сигурност – защита от злонамерени входове
- l Итеративно подобряване на prompts и A/B тестване
- l Демонстрация: prompt templates и динамична генерация
Тема 4: Интеграция с облачни ИИ услуги
- l OpenAI API – Chat Completions, модели GPT-4o и GPT-4o-mini
- l Anthropic Claude API – Messages API, модели Claude 3.5/4
- l Google Gemini API – REST endpoints и SDK
- l Сравнение на облачни доставчици: цени, лимити, възможности
- l Управление на API ключове и сигурност (environment variables, secrets)
Тема 5: Генериране на изображения с ИИ
- l OpenAI DALL-E API – генериране и редактиране на изображения
- l Stability AI API – Stable Diffusion модели
- l Prompt engineering за изображения – стилове, композиция, детайли
- l Image-to-image трансформации и inpainting
- l Интеграция на image generation в уеб приложения
- l Демонстрация: приложение за генериране на визуално съдържание
Тема 6: Генериране на видео и мултимодални модели
- l Въведение във видео генерацията – Runway ML, Pika Labs API
- l Text-to-video и image-to-video генерация
- l OpenAI GPT-4 Vision и Google Gemini Pro Vision – анализ на изображения
- l Мултимодални входове – комбиниране на текст, изображения и аудио
- l Практически съображения: време за генерация, разходи, quality/speed tradeoffs
- l Демонстрация: мултимодално приложение с визуален вход
Тема 7: Архитектура и добри практики
- l Separation of concerns – разделяне на ИИ логика от бизнес логика
- l Error handling и retry mechanisms за API повиквания
- l Rate limiting и cost management при облачни услуги
- l Caching strategies за оптимизиране на производителността
- l Logging и monitoring на ИИ взаимодействия
- l Testing на ИИ-интегрирани компоненти
- l Настройка на средата, GitHub repo и първи commit (4 часа)
- l Базова структура на приложението и интеграция с Ollama (4 часа)
- l Prompt engineering практика и оптимизация (4 часа)
- l Интеграция с облачен API (OpenAI/Claude/Gemini) (4 часа)
- l Image generation функционалност (4 часа)
- l Мултимодални функции и UX подобрения (4 часа)
- l Тестване, документация и подготовка за презентация (4 часа)
|
|
Студентите трябва да имат знания и умения, съответстващи на Държавните изисквания за средните училища в България по български език, както и да притежават добри познания в област-та на създаването и ползването на програмни системи. Изискват се също и добри познания по ве-роятности, статистика, дискретна математика, алгоритми и структури от данни, и бази от данни в рамките на учебния план по специалността.
|
Обучение
