課程簡介

模塊1:介紹與AI理論

  • 基於模型的方法:AI作爲工程問題。
  • 揭開“機器中的幽靈”之謎:AI是什麼,不是什麼。
  • 技術演變:從BERT到Transformers。
  • 生成領域:分析、創意、研究、圖像、音樂和視頻。
  • 數據治理:支柱、審計和研究趨勢(多模態、代理、RAG、LLM vs. SLM)。
  • 陰暗面:倫理、知識產權、偏見、幻覺和社會工程。
  • 風險評估:數據中毒、Nepenthes和“削弱”人才的風險。
  • 模型分類:基礎模型 vs. 任務特定模型;閉源模型 vs. 開源模型。

模塊2:當前格局與工具集

  • 語言模型競技場:性能與基準比較。
  • 專業購買標準:成本、延遲、隱私和供應商鎖定。
  • 大型模型概覽:OpenAI ChatGPT、Perplexity、Gemini和Grok。
  • 小衆與小型模型:Manus、SpecKit。
  • 圖形生成:Perchance。
  • 技術限制:上下文衰減 vs. Token成本。

模塊3:交互 - 提示與上下文工程

  • 驗證框架:完整性、一致性和可驗證性。
  • RAG策略:何時使用檢索增強生成 vs. 微調。
  • AI的投資回報率:維護成本 vs. 生產力提升。
  • 高級技術:20+提示與RAG方法,附實際案例。
  • 實驗前沿:三角測量、地圖與地形概覽,以及基於模型的生成。

模塊4:AI在敏捷項目管理中的應用

  • 超級計算機領航員:AI作爲自動化引擎。
  • 決策制定:人類責任 vs. AI輔助。
  • AIOps與GitOps:將AI整合到操作工作流中。
  • 工具鏈與流水線:創建無縫的AI驅動環境。
  • 敏捷工件:待辦事項、路線圖和需求工程。
  • 精準管理:容量規劃與估算(準確性與精度)。
  • 產品所有權:構思、功能分析和Vibe-coding風險。
  • 風險與情景:規劃“如果”情景和自動風險管理。
  • 優化:用例和用戶故事描述與優化。

 

最低要求

  • 對敏捷宣言和Scrum框架有基本瞭解。
  • 具備項目管理、產品所有權或團隊領導經驗。
  • 無需編程或AI工程經驗,但建議對數字工具有一定了解。

目標受衆

  • 敏捷項目經理和Scrum主管。
  • 產品負責人和產品經理。
  • IT團隊領導和交付經理。
  • 在敏捷環境中工作的業務分析師。
  • 對AIOps感興趣的操作經理。

 

 7 小時

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類