Det er betydelig udekket etterspørsel etter utviklere som forstår AI. Samtidig, fordi de fleste universiteter ennå ikke har tilpasset læreplanene sine til den nye virkeligheten med at programmeringsjobber er mye mer produktive med AI-verktøy, er det også en økning i arbeidsledigheten blant nyutdannede datautdannede. Når jeg intervjuer AI-ingeniører – folk som er dyktige til å bygge AI-applikasjoner – ser jeg etter folk som kan: - Bruk AI-assistanse til raskt å konstruere programvaresystemer - Bruk AI-byggeklosser som forespørsel, RAG, evalueringer, agentiske arbeidsflyter og maskinlæring for å bygge applikasjoner - Prototype og gjenta raskt Noen med disse ferdighetene kan få gjort enormt mye enn noen som skriver kode slik vi gjorde i 2022, før bruken av generativ AI. Jeg snakker med store bedrifter hver uke som gjerne vil ansette hundrevis eller flere mennesker med disse ferdighetene, samt startups som har gode ideer, men ikke nok ingeniører til å bygge dem. Etter hvert som flere bedrifter tar i bruk AI, forventer jeg at denne talentmangelen bare vil vokse! Samtidig står nyutdannede innen datavitenskap overfor en økt arbeidsledighet, selv om undersysselsettingsraten – for nyutdannede som utfører arbeid som ikke krever en grad – fortsatt er lavere enn for de fleste andre hovedfag. Dette er grunnen til at vi samtidig hører anekdoter om arbeidsledige datautdannede og også om økende lønninger for etterspurte AI-ingeniører. Da programmering utviklet seg fra hullkort til tastatur og terminal, fortsatte arbeidsgivere å ansette hullkortprogrammerere en stund. Men til slutt måtte alle utviklere bytte til den nye måten å kode på. AI-teknikk skaper på samme måte en enorm bølge av endring. Det er en stereotypi av "AI Native" nyutdannede som overgår erfarne utviklere. Det er en viss sannhet i dette. Flere ganger har jeg ansatt en nyutdannet som virkelig kan AI fremfor en erfaren utvikler som fortsatt jobber i 2022-stil. Men de beste utviklerne jeg kjenner er ikke nyutdannede (ingen fornærmelse mot de ferske studentene!). De er erfarne utviklere som har vært på toppen av endringer innen AI. De mest produktive programmererne i dag forstår datamaskiner, hvordan man konstruerer programvare og hvordan man gjør komplekse avveininger – og som i tillegg er kjent med banebrytende AI-verktøy. Jada, noen ferdigheter fra 2022 er i ferd med å bli foreldet. For eksempel er mye kodingssyntaks som vi måtte huske den gang ikke lenger viktig, siden vi ikke lenger trenger å kode for hånd så mye. Men selv om for eksempel 30 % av datakunnskapen er foreldet, er de resterende 70 % – supplert med moderne AI-kunnskap – det som gjør virkelig produktive utviklere. (Selv etter at hullkort ble foreldet, var en grunnleggende forståelse av programmering svært nyttig for å skrive kode inn på et tastatur.) Uten å forstå hvordan datamaskiner fungerer, kan du ikke bare "vibekode" deg til storhet. Grunnleggende er fortsatt viktig, og for de som i tillegg forstår AI, er jobbmulighetene mange! [Opprinnelig tekst: ]

Bygg bedre RAG ved å la et team av agenter trekke ut og koble referansematerialet ditt til en kunnskapsgraf. Vårt nye korte kurs, "Agentic Knowledge Graph Construction", undervist av @Neo4j Innovation Lead @akollegger, viser deg hvordan. Kunnskapsgrafer er en viktig måte å lagre informasjon nøyaktig på, men det er mye arbeid å bygge manuelt. I dette kurset lærer du hvordan du bygger et team av agenter som gjør data – i dette tilfellet produktanmeldelser og fakturaer fra leverandører – om til strukturerte grafer over enheter og relasjoner for RAG. Lær hvordan agenter automatisk kan håndtere det tidkrevende arbeidet med å bygge grafer – trekke ut enheter og relasjoner (f.eks. produkt «inneholder» montering, del «supplied_by»-leverandør, kundeanmeldelse «nevner» produkt), deduplisere dem, faktasjekke dem og forplikte dem til en grafdatabase – slik at gjenfinningssystemet ditt kan finne riktig informasjon for å generere nøyaktige resultater. Du kan for eksempel bruke agenter til å spore kundeklager direkte til bestemte leverandører, produksjonsprosesser og produkthierarkier, og dermed gjøre fragmentert informasjon om til spørrende forretningsanalyse. Ferdigheter du får: - Bygg, lagre og få tilgang til kunnskapsgrafer ved hjelp av Neo4j-grafdatabasen - Bygg systemer med flere agenter ved hjelp av Googles Agent Development Kit (ADK) - Sett opp en sløyfe med agentiske arbeidsflyter for å foreslå og avgrense et grafskjema gjennom faktasjekking - Koble agentgenererte grafer med ustrukturerte og strukturerte data til en enhetlig kunnskapsgraf Dette kurset kommer inn på praksis for hvorfor kunnskapsgrafer gir mer nøyaktig informasjonsinnhenting enn vektorsøk alene, spesielt for applikasjoner med høy innsats der presisjon betyr mer enn uklar likhetsmatching. Registrer deg her: