聯繫我們

課程簡介

開源大型語言模型介紹

  • DeepSeek、Mistral、LLaMA及其他開源模型的概述
  • 大型語言模型的工作原理:Transformer、自注意力機制與訓練
  • 開源大型語言模型與专有模型的比較

微調與自定義大型語言模型

  • 用於微調的數據準備
  • 使用Hugging Face訓練和優化大型語言模型
  • 評估模型性能並緩解偏差

利用大型語言模型構建AI代理

  • 介紹用於AI代理開發的LangChain
  • 設計基於代理的工作流程與大型語言模型的應用
  • 記憶、檢索增強生成(RAG)及動作執行

部署基於大型語言模型的AI代理

  • 使用Docker容器化AI代理
  • 將大型語言模型整合至企業應用程序
  • 利用雲端服務和API擴展AI代理能力

企業AI中的安全與合規

  • 道德考量與監管合規性
  • 減輕AI驅動自動化中的風險
  • 監控與審計AI代理行為

案例研究與現實應用

  • 由大型語言模型驅動的虛擬助手
  • AI驅動的文件自動化
  • 用於企業分析的自定義AI代理

優化與維護基於大型語言模型的代理

  • 持續改進與更新模型
  • 部署監控與反饋循環
  • 成本優化與性能調整策略

總結與下一步

最低要求

  • 對AI和機器學習有深刻理解
  • 具備Python編程經驗
  • 熟悉大型語言模型(LLM)和自然語言處理(NLP)

受眾

  • AI工程師
  • 企業軟件開發人員
  • 業務領導者
 21 小時

人數


每位參與者的報價

即將到來的課程

課程分類