مبانی هوش مصنوعی برای صنعت دارو

تفکیک AI، ML، Deep Learning، Generative AI، LLM، Agent و Automation.

مدل ذهنی درست از LLM، Context، Token، قابلیت‌ها، محدودیت‌ها و Hallucination.

ساخت Promptهای کاری با Context، Task، Constraints، Verification و Structured Output.

کار با متن، PDF، تحقیق، داده، گزارش، ارائه و جلسات.

Data Quality، Data Governance، Master Data، Metadata و Data Lineage در محیط دارویی.

Context of Use، Risk-Based Approach، Human Oversight، Performance Evaluation و Lifecycle Management.

Public vs Enterprise AI، محرمانگی، Privacy و تصمیم‌گیری درباره داده قابل ورود به ابزار AI.

شناخت الگوهای Chat، RAG، Workflow Automation، Agent، Vision و Predictive Models.

مرور Use Caseهای AI در Commercial، RA، QA، QC، R&D، Production، SCM، Finance، HR، HSE و IT.

تبدیل یک مسئله واقعی به Use Case، Data Need، Value، Risk، KPI و Pilot.