台灣現場Large Language Models (LLMs)培訓

本課程爲講師主導的培訓，在台灣（線上或線下）進行，面向希望瞭解LLMs是什麼、探索其對業務運營的潛在影響，並評估AI工具（如ChatGPT、Microsoft Copilot或Grok）在實際任務中的應用的高級管理專業人士，例如內容創作、數據總結和決策支持。

培訓結束後，學員將能夠：

• 瞭解LLMs是什麼，以及ChatGPT和Copilot等工具的工作原理。
• 使用提示技術從LLMs中獲取實用、可靠的結果。
• 評估實際用例，如電子郵件起草、文檔總結和生產力自動化。
• 識別AI採用的戰略應用和投資機會。

本課程爲講師引導的培訓，在台灣（線上或線下）進行，面向希望瞭解LLMs和企業AI工具戰略價值的高級管理團隊。參與者將探索如何將這些工具集成到高層工作流程中，撰寫更好的提示，並通過AI採用評估提高生產力和投資回報的機會。

通過本培訓，參與者將能夠：

• 瞭解LLMs的工作原理，以及像ChatGPT和Copilot這樣的工具如何應用它們。
• 使用基於提示的交互來自動化和加速任務。
• 將AI工具應用於實際場景，如郵件撰寫、報告總結和協議審查。
• 評估LLM採用的戰略優勢、侷限性和許可考慮。

本課程爲講師指導的台灣（線上或線下）培訓，面向中級到高級的AI研究員、數據科學家和開發者，旨在幫助他們理解、微調和實現Meta AI的大型語言模型，用於各種自然語言處理（NLP）應用。

培訓結束後，學員將能夠：

• 理解Meta AI大型語言模型的架構和工作原理。
• 爲特定用例設置和微調Meta AI的大型語言模型。
• 實現基於大型語言模型的應用，如文本摘要、聊天機器人和情感分析。
• 高效優化和部署大型語言模型。

本次由講師指導的線下或線上培訓，面向中級AI專業人士、業務分析師和技術領導者，旨在幫助他們理解生成式AI的原理以及大語言模型（LLMs）在商業環境中的應用。參與者將學習Transformer架構、提示工程，以及在部署這些模型時的倫理考量。

培訓結束後，參與者將能夠：

• 理解生成式AI和大語言模型的基本原理。
• 爲特定業務應用實施和微調LLMs。
• 應用提示工程技術以獲得最佳模型輸出。
• 識別倫理考量並管理LLM部署中的風險。

這種以講師為主導的台灣（在線或現場）現場培訓面向希望瞭解和駕馭 LLM 道德景觀的中級 AI 專業人員和倫理學家、數據科學家和工程師，以及政策制定者和利益相關者。

在培訓結束時，參與者將能夠：

• 確定與 LLM 相關的道德問題和挑戰。
• 將道德框架和原則應用於 LLM 部署。
• 評估 LLM 的社會影響並降低潛在風險。
• 制定負責任的人工智慧開發和使用戰略。

這種以講師為主導的台灣（在線或現場）現場培訓面向中級 NLP 從業者和數據科學家、內容建立者和翻譯人員，以及希望使用 LLM 進行語言翻譯和創建多語言內容的全球企業。

在培訓結束時，參與者將能夠：

• 瞭解LLM跨語言學習和翻譯的原則。
• 實現 LLM 以在各種語言之間翻譯內容。
• 創建和管理用於訓練 LLM 的多語言數據集。
• 制定保持翻譯一致性和品質的策略。

這種以講師為主導的現場台灣（在線或現場）培訓面向希望利用 LLM 進行金融市場分析和預測的中級金融分析師、數據科學家和投資專業人士。

在培訓結束時，參與者將能夠：

• 瞭解LLM在金融市場分析中的應用。
• 使用 LLM 處理財經新聞、報告和數據以獲得市場洞察。
• 開發股票價格、市場趨勢和經濟指標的預測模型。
• 將 LLM 見解整合到投資決策過程中。

這種由講師指導的 台灣（在線或現場）現場培訓面向希望使用 LLM 進行環境建模和分析的中級環境科學家和研究人員、數據分析師以及政策制定者和環境宣導者。

在培訓結束時，參與者將能夠：

• 瞭解法學碩士在環境科學中的應用。
• 利用 LLM 對環境數據進行分析和建模。
• 解釋用於環境影響評估的 LLM 輸出。
• 有效地傳達調查結果，為政策和保護工作提供資訊。

本課程爲講師指導的線下或線上培訓，面向中級水平的VR和AR開發者、遊戲設計師及AI工程師，旨在幫助他們將LLM（大語言模型）融入VR和AR應用中，以創建更具吸引力和響應性的環境。

培訓結束後，學員將能夠：

• 理解LLM在創建沉浸式VR和AR體驗中的作用。
• 開發利用LLM進行互動對話和內容生成的VR和AR應用。
• 將LLM與VR和AR開發工具集成，以增強用戶參與度。
• 應用最佳實踐，設計虛擬空間中的AI驅動敘事和互動。

這種以講師為主導的 台灣（在線或現場）現場培訓面向希望將 Large Language Models (LLMs) 應用於高級 AI 應用程式的多模態數據的中級數據科學家、機器學習工程師和軟體開發人員。

在培訓結束時，參與者將能夠：

• 瞭解使用LLM進行多模態學習的原理。
• 實現 LLM 以處理和分析文字、圖像和音訊數據。
• 開發利用多模態數據集成優勢的應用程式。
• 評估多模式 LLM 系統的性能。

這種以講師為主導的 台灣（在線或現場）現場培訓面向希望利用 LLM 來增強網路安全措施和威脅情報的中級網路安全專業人員和數據科學家。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 在網路安全中的作用。
• 實現用於威脅檢測和分析的 LLM。
• 利用 LLM 實現安全自動化和回應。
• 將 LLM 與現有安全基礎架構整合。

這種以講師為主導的 台灣（在線或現場）現場培訓面向希望利用大型語言模型 （LLM） 預測各個行業的趨勢和行為的中級數據科學家和業務分析師。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 的基礎知識及其在預測分析中的作用。
• 實施 LLM 來分析和預測各個行業的數據。
• 使用 LLM 評估預測模型的有效性。
• 將 LLM 與現有數據處理管道集成。

這種以講師為主導的 台灣（在線或現場）現場培訓面向希望獲得 Large Language Models (LLMs) 和 Reinforcement Learning （RL） 全面理解和實踐技能的中級數據科學家。

在培訓結束時，參與者將能夠：

• 瞭解變壓器模型的元件和功能。
• 針對特定任務和應用程式優化和微調 LLM。
• 瞭解強化學習的核心原則和方法。
• 瞭解強化學習技術如何提高 LLM 的性能。

這種以講師為主導的現場培訓台灣（在線或現場）面向希望利用 LLM 的力量在各個領域生成高品質、多樣化和引人入勝的內容的中級內容創作者、營銷人員和教育技術人員。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 的功能及其在內容生成中的應用。
• 設置和使用 LLM 來生成各種類型的內容。
• 應用最佳實踐來提示和微調 LLM 以產生所需的輸出。
• 評估 AI 生成內容的品質，並針對特定受眾進行優化。
• 探索使用 LLM 生成創意和多模態內容的高級技術。

這種以講師為主導的台灣（在線或現場）現場培訓面向具有不同經驗和專業知識水準的教育工作者、教育技術專業人士和研究人員，他們希望利用 LLM 來創造個人化的教育體驗。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 的體系結構和功能。
• 使用 LLM 確定教育內容個人化的機會。
• 設計利用 LLM 進行內容個人化的自適應學習平臺。
• 實施 LLM 驅動的策略，以提高學生的參與度和學習成果。
• 評估 LLM 在教育環境中的有效性，並做出數據驅動的決策

這是一個由講師指導的台灣（線上或線下）培訓課程，針對中級機器學習從業者和AI開發者，他們希望微調並部署如LLaMA、Mistral和Qwen等開放權重模型，以用於特定的業務或內部應用。

在培訓結束時，參與者將能夠：

• 理解開源LLM的生態系統及其差異。
• 為LLaMA、Mistral和Qwen等模型準備數據集和微調配置。
• 使用Hugging Face Transformers和PEFT執行微調管道。
• 在安全環境中評估、保存和部署微調後的模型。

這種以講師為主導的台灣（在線或現場）現場培訓面向希望在語音辨識和合成系統中實施 LLM 的初級到中級軟體開發人員和數據科學家。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 在語音技術中的作用。
• 實現 LLM 以實現準確的語音辨識和自然的語音合成。
• 將 LLM 與語音辨識引擎和語音合成器整合。
• 使用 LLM 評估和改進語音系統的性能。
• 隨時瞭解語音技術的當前趨勢和未來方向。

這種以講師為主導的 台灣（在線或現場）實時培訓面向希望實施 LLM 以創建回應迅速且智慧的客戶支援聊天機器人的初級到中級客戶支援和 IT 專業人員。

在培訓結束時，參與者將能夠：

• 瞭解 Large Language Models (LLMs) 的基礎知識和架構。
• 設計 LLM 並將其整合到客戶支援系統中。
• 增強聊天機器人的回應能力和用戶體驗。
• 解決道德考慮並確保符合行業標準。
• 為實際應用程式部署和維護基於 LLM 的聊天機器人。

這是由講師指導的台灣（線上或線下）培訓，旨在幫助中級數據科學家和AI工程師，使用LoRA、Adapter Tuning和Prefix Tuning等方法，以更經濟高效的方式微調大型語言模型。

在培訓結束時，參與者將能夠：

• 理解參數高效微調方法背後的理論。
• 使用Hugging Face PEFT實現LoRA、Adapter Tuning和Prefix Tuning。
• 比較PEFT方法與完整微調的性能和成本權衡。
• 部署和擴展微調後的LLM，並減少計算和存儲需求。

本次由講師主導的培訓在台灣（線上或線下）面向中高級機器學習工程師、AI開發人員和數據科學家，旨在幫助他們學習如何使用QLoRA高效地微調大模型，以完成特定任務和定製化需求。

通過本培訓，參與者將能夠：

• 理解QLoRA和LLMs量化技術的理論基礎。
• 在微調大語言模型時實現QLoRA，以應用於特定領域。
• 通過量化優化微調性能，利用有限的計算資源。
• 高效地部署和評估微調模型在實際應用中的表現。

這種以講師為主導的 台灣（在線或現場）現場培訓面向希望應用 LLM 來分析和解釋來自各種文本來源（如社交媒體帖子、產品評論和客戶反饋）的公眾情緒的中級數據和營銷專業人士。

在培訓結束時，參與者將能夠：

• 了解情緒分析的原理及其使用 LLM 的應用。
• 預處理和準備用於情緒分析的數據集。
• 訓練和微調 LLM 以準確反映文字中的情緒。
• 即時分析來自社交媒體和其他文本來源的情緒。
• 將情緒分析結果整合到業務戰略和決策流程中。

這種以講師為主導的 台灣（在線或現場）現場培訓面向希望利用 LLM 來簡化其編碼工作流程並創建詳細、全面的文檔的中級軟體開發人員和技術作家。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 在自動化代碼生成和軟體文檔方面的作用。
• 利用 LLM 建立準確高效的代碼片段和文檔。
• 將 LLM 整合到其軟體開發生命週期中，以提高生產力。
• 使用自動化工具維護高品質的文件標準。
• 解決在軟體開發中使用 AI 的道德考慮和最佳實踐。

這種以講師為主導的台灣（在線或現場）現場培訓面向希望利用 LLM 的力量來提取業務見解的中級業務專業人員和數據分析師。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 在商業智慧環境中的基礎知識和應用。
• 應用 LLM 來分析大型數據集並提取有意義的見解。
• 將 LLM 驅動的分析整合到戰略業務決策流程中。
• 評估在業務中使用 LLM 的道德考慮和最佳實踐。
• 預測 AI 的未來趨勢，並為不斷發展的商業智慧環境做好準備。

這種以講師為主導的現場培訓（線上或現場）面向希望掌握 LlamaIndex 來開發由 LLM 驅動的創新應用程式的中級到高級開發人員和資料科學家。

在培訓結束時，參與者將能夠：

• 設置和配置 LlamaIndex 以用於 LLM。
• 使用 LlamaIndex 索引和查詢自訂數據集以增強 LLM 功能。
• 設計和開發利用 LlamaIndex 和 LLM 的複雜應用程式。
• 了解並應用使用 LLM 和 LlamaIndex 的最佳實踐。
• 瞭解部署 LLM 支援的應用程式所涉及的道德注意事項。

本次由講師指導的線下培訓（線上或線下）面向中級水平的AI研究員、機器學習專業人士和數據科學家，旨在幫助他們使用LlamaIndex增強AI模型的能力，使其在各種應用中更加準確和可靠。

培訓結束後，學員將能夠：

• 理解LlamaIndex的原理和組件。
• 爲LLMs（大型語言模型）攝取和結構化數據。
• 實施上下文增強以提高AI模型的性能。
• 將LlamaIndex集成到現有的AI系統和工作流程中。

本課程爲講師指導的即時培訓，在台灣（線上或線下）進行，面向希望利用提示工程和少樣本學習來優化LLM性能的中級專業人士。

培訓結束後，學員將能夠：

• 理解提示工程和少樣本學習的原理。
• 爲各種NLP任務設計有效的提示。
• 利用少樣本技術以最少的數據適應LLMs。
• 爲實際應用優化LLM性能。

LangGraph是一個用於構建有狀態、多參與者LLM應用的框架，它通過可組合的圖結構實現持久狀態，並對執行過程進行精確控制。

本課程爲講師指導的培訓（線上或線下），面向中高級專業人員，旨在幫助他們設計、實施和操作基於LangGraph的法律解決方案，並確保必要的合規性、可追溯性和治理控制。

培訓結束後，學員將能夠：

• 設計特定於法律的LangGraph工作流程，確保可審計性和合規性。
• 將法律本體和文檔標準集成到圖狀態和處理中。
• 實施護欄、人工審批和可追溯的決策路徑。
• 在生產環境中部署、監控和維護LangGraph服務，並確保可觀測性和成本控制。

課程形式

• 互動式講座與討論。
• 大量練習與實踐。
• 在即時實驗室環境中進行動手操作。

課程定製選項

• 如需定製本課程，請聯繫我們進行安排。

本培訓由講師指導，提供線上或線下培訓，面向希望實施大語言模型（LLM）系統以進行自動化翻譯、質量評估和企業治理的高級工程師、AI專家和本地化負責人。

培訓結束後，參與者將能夠：

• 構建企業級LLM本地化管道，集成開源和專有模型。
• 實施自動化QA工作流程和質量指標，確保翻譯一致性。
• 建立多語言內容生產的治理和審批框架。
• 在安全環境中部署可擴展、可審計的基於LLM的本地化系統。

AI for SQL 是將人工智能和大語言模型（LLMs）應用於自動化、優化和增強SQL查詢在企業數據環境中的生成、執行和解釋方式。

本課程爲講師指導的培訓（線上或線下），面向中級數據工程師和技術主管，旨在幫助他們將AI能力集成到SQL工作流中，實現自然語言查詢、智能優化和自動化數據分析。

通過本培訓，參與者將能夠：

• 將GPT、DeepSeek、LLaMA、Qwen和Mistral等大語言模型集成到SQL環境中。
• 構建自然語言到SQL的管道，實現對話式數據訪問。
• 實施AI驅動的查詢優化和錯誤檢測。
• 設計安全、可審計的AI-SQL工作流，供企業使用。

課程形式

• 互動講座與討論。
• 大量練習與實踐。
• 在即時實驗室環境中進行動手操作。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

LangGraph 是一個用於構建有狀態、多參與者 LLM 應用的框架，通過可組合的圖結構實現持久狀態和執行控制。

本次由講師主導的培訓（線上或線下）面向中級到高級專業人士，旨在幫助他們設計、實施和運營基於 LangGraph 的金融解決方案，確保其具備適當的治理、可觀測性和合規性。

通過本次培訓，參與者將能夠：

• 設計與監管和審計要求一致的金融專用 LangGraph 工作流。
• 將金融數據標準和本體集成到圖狀態和工具中。
• 爲關鍵流程實施可靠性、安全性和人工介入控制。
• 部署、監控和優化 LangGraph 系統，以滿足性能、成本和 SLA 要求。

課程形式

• 互動式講座與討論。
• 大量練習與實踐。
• 在即時實驗室環境中進行實際操作。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

Vertex AI 提供了強大的工具，用於構建多模態 LLM 工作流程，將文本、音頻和圖像數據集成到單一管道中。通過長上下文窗口支持和 Gemini API 參數，它能夠實現規劃、推理和跨模態智能的高級應用。

本次由講師指導的培訓（線上或線下）面向希望設計、構建和優化 Vertex AI 中多模態 AI 工作流程的中高級從業者。

培訓結束後，學員將能夠：

• 利用 Gemini 模型處理多模態輸入和輸出。
• 實施長上下文工作流程以進行復雜推理。
• 設計集成文本、音頻和圖像分析的管道。
• 優化 Gemini API 參數以提高性能和成本效益。

課程形式

• 互動講座和討論。
• 多模態工作流程的實踐實驗室。
• 基於項目的多模態應用案例練習。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

LangGraph 支持由 LLM 驅動的有狀態、多參與者工作流，並能精確控制執行路徑和狀態持久化。在醫療領域，這些功能對於合規性、互操作性以及構建符合醫療工作流的決策支持系統至關重要。

本次講師主導的培訓（線上或線下）面向中高級專業人員，旨在幫助他們設計、實施和管理基於 LangGraph 的醫療解決方案，同時應對監管、道德和操作挑戰。

培訓結束後，參與者將能夠：

• 設計符合合規性和可審計性的醫療專用 LangGraph 工作流。
• 將 LangGraph 應用與醫療本體和標準（FHIR、SNOMED CT、ICD）集成。
• 在敏感環境中應用可靠性、可追溯性和可解釋性的最佳實踐。
• 在醫療生產環境中部署、監控和驗證 LangGraph 應用。

課程形式

• 互動式講座與討論。
• 基於真實案例的實踐練習。
• 在即時實驗環境中進行實施實踐。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

本次由講師主導的培訓（線上或線下）面向中級AI開發者和本地化工程師，旨在幫助他們使用專有和開源的LLMs設計可擴展的自動化翻譯管道。

培訓結束後，學員將能夠：

• 使用現代LLM框架和API設計和部署翻譯工作流。
• 將開源和商業模型集成到可擴展的翻譯系統中。
• 通過微調、提示工程和自動化優化翻譯質量。
• 爲企業環境實施成本效益高且合規的翻譯基礎設施。

LangGraph 是一個用於構建具狀態、多參與者 LLM 應用程式的框架，其特點是可組合的圖結構、持久狀態以及對執行的控制。

這是一個由講師主導的培訓課程（線上或線下），旨在為高階 AI 平台工程師、AI DevOps 工程師以及處理生產級 LangGraph 系統的 ML 架構師提供優化、調試、監控和運營的相關技能。

在本課程結束時，參與者將能夠：

• 設計並優化複雜的 LangGraph 拓撲結構，以實現速度、成本和可擴展性的最佳化。
• 通過重試、超時、冪等性和基於檢查點的恢復來實現可靠性工程。
• 調試和追蹤圖執行過程，檢查狀態，並系統性地重現生產問題。
• 為圖添加日誌、指標和追蹤，部署到生產環境，並監控 SLA 和成本。

課程形式

• 互動式講座與討論。
• 大量練習與實踐。
• 在即時實驗環境中進行實作。

課程定制選項

• 如需定制本課程，請聯繫我們進行安排。

本次由講師指導的培訓在台灣（線上或線下）進行，面向中級開發者，旨在幫助他們學習如何將生成式AI與LLMs應用於各種任務和領域。

培訓結束後，參與者將能夠：

• 解釋生成式AI是什麼及其工作原理。
• 描述驅動LLMs的Transformer架構。
• 使用經驗縮放法則針對不同任務和約束優化LLMs。
• 應用最先進的工具和方法訓練、微調和部署LLMs。
• 討論生成式AI對社會和商業的機遇與風險。

LLMs和自主代理框架如AutoGen和CrewAI正在重新定义DevOps团队如何通过模拟人类协作和决策来自动化任务，例如变更跟踪、测试生成和警报分类。

本课程为讲师主导的培训（线上或线下），面向希望设计和实施由大型语言模型（LLMs）和多代理系统驱动的DevOps自动化工作流程的高级工程师。

培训结束后，学员将能够：

• 将基于LLM的代理集成到CI/CD工作流程中，实现智能自动化。
• 使用代理自动化测试生成、提交分析和变更摘要。
• 协调多个代理进行警报分类、生成响应和提供DevOps建议。
• 使用开源框架构建安全且可维护的代理驱动工作流程。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需定制本课程，请联系我们安排。

Postgres 是一種先進的開源關係型數據庫，可以作爲 AI 驅動系統和數據智能應用的基礎。

本次由講師指導的培訓（線上或線下）面向中級數據庫專業人員和開發人員，他們希望直接在 Postgres 中集成、管理和優化 AI 功能。

培訓結束後，參與者將能夠：

• 爲 AI 工作負載設置和配置 Postgres 擴展。
• 使用 pgvector 實現嵌入和相似性搜索。
• 將開源和專有的 LLM 與 Postgres 集成，以獲取即時洞察。
• 優化 Postgres 以處理 AI 驅動的查詢和工作流。

課程形式

• 互動講座和討論。
• 大量練習和實踐。
• 在即時實驗室環境中動手實施。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

本次由講師指導的線下或線上培訓，面向中級到高級的AI開發者、架構師和產品經理，旨在幫助他們識別和緩解與LLM驅動的應用程序相關的風險，包括提示注入、數據泄露和未經過濾的輸出，同時融入輸入驗證、人在迴路監督和輸出防護等安全控制措施。

培訓結束後，參與者將能夠：

• 理解基於LLM系統的核心漏洞。
• 將安全設計原則應用於LLM應用架構。
• 使用諸如Guardrails AI和LangChain等工具進行驗證、過濾和安全防護。
• 將沙盒測試、紅隊演練和人在迴路審查等技術集成到生產級流程中。

LangGraph是一個基於圖的編排框架，支持條件化、多步驟的LLM和工具工作流，非常適合自動化和個性化內容管道。

本次由講師指導的培訓（線上或線下）面向中級營銷人員、內容策略師和自動化開發人員，旨在幫助他們使用LangGraph實現動態、分支的電子郵件營銷活動和內容生成管道。

培訓結束後，學員將能夠：

• 使用條件邏輯設計圖結構的內容和電子郵件工作流。
• 集成LLM、API和數據源以實現自動化個性化。
• 在多步驟活動中管理狀態、內存和上下文。
• 評估、監控和優化工作流性能和交付結果。

課程形式

• 互動講座和小組討論。
• 動手實驗，實現電子郵件工作流和內容管道。
• 基於場景的練習，涵蓋個性化、分段和分支邏輯。

課程定製選項

• 如需定製本課程，請聯繫我們進行安排。

這種由講師指導的 台灣 現場培訓（在線或現場）面向希望為特定任務和數據集自定義預訓練模型的中高級專業人員。

在本次培訓結束時，參與者將能夠：

• 瞭解微調的原理及其應用。
• 準備數據集以微調預訓練模型。
• 為 NLP 任務微調大型語言模型 （LLM）。
• 優化模型性能並解決常見挑戰。

LangGraph 是一個用於構建圖結構 LLM 工作流的框架，支持分支、工具使用、內存和可控執行。

本次由講師指導的培訓（線上或線下）面向中級工程師和產品團隊，他們希望將 LangGraph 的圖邏輯與 LLM 代理循環相結合，以構建動態、上下文感知的應用程序，如客戶支持代理、決策樹和信息檢索系統。

在培訓結束時，參與者將能夠：

• 設計基於圖的工作流，協調 LLM 代理、工具和內存。
• 實現條件路由、重試和回退，以確保穩健執行。
• 將檢索、API 和結構化輸出集成到代理循環中。
• 評估、監控並強化代理行爲，以確保可靠性和安全性。

課程形式

• 互動講座和引導討論。
• 在沙盒環境中進行引導實驗和代碼演練。
• 基於場景的設計練習和同行評審。

課程定製選項

• 如需爲此課程定製培訓，請聯繫我們安排。

LLMs 用於代碼理解、重構和 Documentation 是一門技術課程，專注於應用大型語言模型（LLMs）來提升代碼質量，減少技術債務，並自動化軟件團隊中的文檔任務。

這門由講師主導的培訓（線上或線下）面向中高級軟件專業人士，他們希望使用 GPT 等 LLMs 更有效地分析、重構和記錄複雜或遺留的代碼庫。

在培訓結束時，參與者將能夠：

• 使用 LLMs 解釋不熟悉的代碼庫中的代碼、依賴關係和邏輯。
• 識別並重構反模式，提升代碼可讀性。
• 自動生成並維護內聯註釋、README 文件和 API 文檔。
• 將 LLM 驅動的洞察整合到現有的 CI/CD 和審查工作流程中。

課程形式

• 互動式講座和討論。
• 大量練習和實踐。
• 在實時實驗室環境中進行動手實踐。

課程定制選項

• 如需為本課程定制培訓，請聯繫我們進行安排。

這種由講師指導的現場培訓台灣（在線或遠端）面向希望使用 LLM 執行各種 NLP 任務併為不同目的創建新穎多樣內容的中級數據科學家、AI 開發人員和 AI 愛好者。

在培訓結束時，參與者將能夠：

• 使用 LLM 和基本工具建立開發環境。
• 使用 LLM 熟練地執行 NLU 和 NLI 任務。
• 有效地提取、推斷和利用知識圖譜。
• 使用 LLM 為對話應用程式生成和管理對話。
• 評估 LLM 和生成式 AI 生成的內容品質和多樣性。
• 應用道德原則，確保公平和負責任地使用法學碩士。

LangGraph 是一個用於構建圖結構 LLM 應用的框架，支持規劃、分支、工具使用、內存和可控執行。

本次由講師指導的培訓（線上或線下）面向初級開發者、提示工程師和數據從業者，旨在幫助他們使用 LangGraph 設計和構建可靠的多步驟 LLM 工作流。

培訓結束後，參與者將能夠：

• 解釋 LangGraph 的核心概念（節點、邊、狀態）及其使用場景。
• 構建支持分支、調用工具和保持內存的提示鏈。
• 將檢索和外部 API 集成到圖工作流中。
• 測試、調試和評估 LangGraph 應用的可靠性和安全性。

課程形式

• 互動講座和引導討論。
• 在沙盒環境中進行指導實驗和代碼演練。
• 基於場景的設計、測試和評估練習。

課程定製選項

• 如需爲此課程定製培訓，請聯繫我們安排。

這種由講師指導的 台灣 現場培訓（在線或現場）面向希望使用大型語言模型完成各種自然語言任務的初級到中級開發人員。

在本次培訓結束時，參與者將能夠：

• 設置包含常用 LLM 的開發環境。
• 創建基本 LLM 並在自訂數據集上對其進行微調。
• 將 LLM 用於不同的自然語言任務，例如文本摘要、問答、文字生成等。
• 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具調試和評估 LLM。

本次講師指導的培訓（線上或線下）面向中級工程師和架構師，幫助他們使用騰訊混元部署大型和MoE模型，降低延遲，提高吞吐量，並更好地控制成本。

培訓結束後，學員將能夠：解釋混元生產部署模式，優化推理性能，實施批處理和量化策略，並規劃可擴展的服務運營。

本課程由講師主導，提供台灣（線上或線下）培訓，面向中級開發者、技術產品團隊和AI從業者，幫助他們使用混元模型創建用於圖像、3D和視頻生成與交付的多模態應用。

培訓結束後，參與者將能夠：構建基於提示的工作流，生成和審查多模態資產，通過應用或API提供輸出，並將混元功能與企業產品棧連接。

本課程爲講師指導的培訓（線上或線下），面向希望使用MCP將AI助手與外部工具、數據和企業服務連接的初級/中級/高級AI專業人員。

培訓結束後，參與者將能夠：解釋MCP概念，識別關鍵架構組件，設置基本集成，並應用安全優秀實踐。

本課程爲講師指導的培訓，在台灣（線上或線下）進行，面向中級企業架構師，旨在幫助他們使用模型上下文協議設計安全、可擴展且可治理的代理集成平臺，適用於企業環境。

培訓結束後，學員將能夠：解釋MCP架構和企業模式，設計安全的集成平臺，應用治理和訪問控制，並評估部署和擴展選項。

本次由講師指導的培訓台灣（線上或線下）面向中級開發者、架構師和平臺工程師，他們希望通過MCP構建可靠的企業部署和操作服務器和客戶端。

培訓結束後，學員將能夠：解釋MCP架構的實際應用，構建生產就緒的集成，部署和觀察MCP服務，並應用版本控制、彈性和支持模式。

本課程由講師指導，提供台灣（線上或線下）培訓，面向中級IT領導者、合規專業人員、安全團隊和企業架構師，他們希望利用主權AI原則和治理實踐來設計AI環境，以保護敏感數據、支持本地化要求並減少供應商鎖定。

通過本培訓，學員將能夠：解釋主權AI概念，評估託管和治理選項，定義提示和日誌的控制措施，並制定實用的採用路線圖。