課程簡介
課程大綱 培訓提案
第 1 天 - 資料工作流程中的 AI 與 Python 入門
• 人工智慧與機器學習領域概況
• AI 在現代資料工程中的角色
• Python 基礎回顧,聚焦於 AI 應用
• 使用 pandas 和 NumPy 進行資料處理
• API 介紹及 JSON 資料處理
• 小型練習:載入與轉換資料集
第 2 天 - 實務工作者機器學習基礎
• 監督式與非監督式學習概念
• 特徵工程與資料準備技術
• 使用 scikit-learn 進行模型訓練基礎
• 模型評估與效能指標
• 模型部署概念入門
• 實作:構建簡單的預測模型
第 3 天 - LLM 與提示詞工程入門
• 理解大型語言模型及其運作機制
• 分詞(Tokenization)、上下文窗口與局限性
• 提示詞設計原則與技術
• 零樣本(Zero-shot)與少樣本(Few-shot)提示
• 提示詞評估與迭代策略
• 實作:提示詞工程練習
第 4 天 - 使用 LLM 建置 AI 應用
• 在 Python 中使用 LLM API
• 結構化輸出與函數呼叫(Function Calling)概念
• 構建對話型與任務型應用
• 檢索增強生成(RAG)入門
• 將 LLM 與外部資料源連接
• 小型專案:構建簡單的 AI 助手
第 5 天 - AI 解決方案的生產化部署
• 設計可擴展的 AI 工作流
• 將 AI 整合至資料管道
• 監控並優化模型效能
• 成本優化與 API 使用策略
• 安全與負責任的 AI 考量
• 最終專案:構建端到端的 AI 解決方案
客戶評論 (2)
培訓師非常樂於回答我提出的各種問題
Caterina - Stamtech
課程 - Developing APIs with Python and FastAPI
機器翻譯
培訓師根據學員的進度開展培訓
Farris Chua
課程 - Data Analysis in Python using Pandas and Numpy
機器翻譯