台灣現場大型語言模型（LLMs）培訓

這門由講師主導的實操課程（線上或線下），旨在協助高階管理人員了解 LLMs 的原理，探索其對企業營運的潛在影響，並評估 ChatGPT、Microsoft Copilot 或 Grok 等 AI 工具在內容創作、數據摘要及決策支援等實際任務中的應用價值。

課程結束時，學員將能夠：

• 理解大型語言模型（LLMs）的原理，以及 ChatGPT 和 Copilot 等工具的運作方式。
• 運用提示詞技巧，獲得實用且可靠的 AI 回應。
• 評估真實案例，如撰寫郵件、文件摘要及自動化生產力應用。
• 識別投資機會與企業導入 AI 的戰略應用場景。

本課程為授課式實境培訓，於 台灣（線上或現場）進行，專為希望理解 LLM 與企業級 AI 工具戰略價值的高階管理團隊設計。參與者將探索如何將這些工具整合至高層級工作流程、撰寫更優化的提示詞，並評估透過採用 AI 提升生產力與投資回報率 (ROI) 的潛力。

完成本課程後，參與者將能夠：

• 理解 LLM 的運作機制，以及 ChatGPT 和 Copilot 等工具如何應用其技術。
• 利用基於提示詞的互動來自動化並加速任務處理。
• 將 AI 工具應用於實際情境，如草稿撰寫、報告摘要整理及合約審查。
• 評估採用 LLM 的戰略優勢、限制條件及授權考量。

本課程為講師主導的實體培訓（線上或線下），旨在幫助中高級至高級的 AI 研究人員、數據科學家和開發者深入理解 Meta AI 的大型語言模型，並針對各種自然語言處理 (NLP) 應用進行微調與實現。

完成本培訓後，參與者將能夠：

• 理解 Meta AI 大型語言模型的架構與運作原理。
• 針對特定用例設置和微調 Meta AI LLMs。
• 實現基於 LLM 的應用，例如文本摘要、聊天機器人和情感分析。
• 高效地優化並部署大型語言模型。

這門在 台灣（線上或線下）舉辦的由講師帶領的現場培訓，針對初級以上的人工智慧從業人員、業務分析師和技術領導者，旨在幫助他們理解生成式人工智慧的原理及大型語言模型在商業環境中的應用。參與者將學習關於 Transformer 架構、提示工程以及在部署這些模型以解決實際問題時涉及的道德考量。

完成本培訓後，參與者將能夠：

• 理解生成式人工智慧及大型語言模型的基礎原理。
• 為特定的商業應用實現並微調大型語言模型。
• 運用提示工程技術以獲得最佳模型輸出。
• 識別道德考量因素，並管理在部署大型語言模型時的風險。

本 台灣（線上或線下）講師主導的實時培訓旨在幫助初級以上的人工智慧專業人員、倫理學家、數據科學家及工程師、以及政策制定者與利益相關者理解並應對 LLM 的道德格局。

完成本培訓後，學員將能夠：

• 識別與 LLM 相關的道德問題和挑戰。
• 將道德框架和原則應用於 LLM 的部署。
• 評估 LLM 對社會的影響並減輕潛在風險。
• 制定負責任的人工智慧開發與使用策略。

本培訓由講師主導，提供線上或線下形式（台灣線上或線下），旨在幫助中階自然語言處理從業者、數據科學家、內容創作者、翻譯人員及全球企業等對象，學習如何使用大型語言模型進行語言翻譯與多語內容創作。

完成本課程後，參與者將能夠：

• 了解跨語言學習與大型語言模型翻譯的基本原則。
• 使用大型語言模型實現不同語言間的内容翻譯。
• 建立及管理用於訓練大型語言模型的多語資料集。
• 制定策略以保持翻譯的一致性與品質。

本課程為在 台灣 進行授課的實時培訓（線上或現場），旨在為中階的金融分析師、數據科學家及投資專業人士提供指導，協助其善用 LLMs 進行金融市場分析與預測。

完成本培訓後，學員將能夠：

• 理解 LLMs 在金融市場分析中的應用。
• 運用 LLMs 處理金融新聞、報告與數據，以獲取市場洞見。
• 建立用於預測股價、市場趨勢及經濟指標的預測模型。
• 將 LLMs 的洞見整合至投資決策流程中。

本培訓由講師親自指導，提供線上或線下形式（Live），旨在幫助中級水平的環境科學家、研究人員、數據分析師以及希望將LLMs應用於環境建模與分析的政策制定者和環保倡議者掌握相關技能。

完成本培訓後，學員將能夠：

• 理解LLMs在環境科學中的應用。
• 利用LLMs分析和建模環境數據。
• 解讀LLM輸出結果以進行環境影響評估。
• 有效傳達發現結果，為政策制定和保護工作提供依據。

此培訓由講師親自指導，並提供 台灣（線上或線下）實地授課形式。對象為初階至中階的 VR/AR 開發人員、遊戲設計師及 AI 工程師，他們希望將大型語言模型整合至 VR/AR 應用程序中，以建立更具吸引力與反應性的環境。

完成此培訓後，學員將能夠：

• 理解大型語言模型在打造沉浸式 VR 和 AR 體驗中的角色。
• 開發運用大型語言模型進行互動對話與內容創作的 VR/AR 應用程序。
• 將大型語言模型整合至 VR/AR 開發工具中，以提升用戶參與度。
• 套用設計虛擬空間中 AI 驅動敘事與互動的最佳實務。

本課程由講師帶領，採實體或線上培訓形式進行。目標學員為希望將大型語言模型（LLM）應用於多模態資料，以開發高階 AI 應用程式的中階資料科學家、機器學習工程師及軟體開發人員。

完成培訓後，學員將能夠：

• 理解 LLM 多模態學習的原理。
• 運用 LLM 處理並分析文字、影像與音訊資料。
• 開發能發揮多模態資料整合優勢的應用程式。
• 評估多模態 LLM 系統的效能。

此種由講師帶領的實戰培訓（6個課程地點（線上或線下）），旨在協助初級至中級網路安全專業人士與資料科學家，將LLM用於提升網路安全措施及威脅情報分析。

完成本課程後，學員將能夠：

• 了解LLM在網路安全中的角色。
• 部署LLM用於威脅偵測與分析。
• 運用LLM實現安全自動化及應變處理。
• 將LLM整合至現有的基礎架構中。

此於[loc]地點（線上或線下）舉辦的講師主導實作培訓，旨在幫助中階資料科學家及商業分析師，利用大型語言模型（LLM）預測各行業的趨勢與行為。

完成此培訓後，學員將能夠：

• 理解LLM的基本原理及其在預測分析中的角色。
• 運用LLM分析和預測各行業的數據。
• 評估使用LLM構建的預測模型的有效性。
• 將LLM整合至現有的數據處理管線中。

此由講師主導的實時培訓 台灣（線上或線下）針對希望對大型語言模型 (LLMs) 和強化學習 (RL) 獲得全面理解和實踐技能的初級數據科學家。

在本課程結束時，參與者將能夠：

• 了解轉換器模型的組件和功能。
• 為特定任務和應用優化並微調 LLMs。
• 了解強化學習的核心原理和方法論。
• 學習如何運用強化學習技術提升 LLM 的性能。

此課程為有講師指導的培訓（線上或線下），適合希望利用大型語言模型的優勢，在不同領域中生成高品質、多樣化且吸引人的內容的中級內容創作者、市場營銷人員以及教育技術專家。

在完成本培訓後，學員將能夠：

• 理解大型語言模型的功能及其在內容生成中的應用。
• 設置及使用大型語言模型來生成各種類型的內容。
• 套用最佳實踐方法來提示及微調大型語言模型，以產生預期的輸出結果。
• 評估AI生成內容的品質，並針對特定受眾進行調整。
• 探索使用大型語言模型進行創意和多模態內容生成的先進技術。

此由講師主導的培訓，於台灣（線上或線下）進行，旨在協助教育工作者、EdTech專業人士及研究人員，無論其經驗與專長為何，利用LLMs打造個人化教育體驗。

完成本培訓後，參與者將能夠：

• 了解LLMs的架構與功能。
• 識別在教育內容中運用LLMs進行個人化的機會。
• 設計利用LLMs進行內容個人化的自適應學習平台。
• 實施由LLMs驅動的策略，以提升學生參與度及學習成果。
• 評估LLMs在教育環境中的成效，並基於數據做出改進決策。

此由講師主導的現場培訓在 台灣（線上或線下）進行，旨在針對希望為特定業務或內部應用微調並部署如 LLaMA、Mistral 和 Qwen 等開源權重模型的初級至中階 ML 從業人員和 AI 開發者。

參加完本課程後，學員將能夠：

• 理解開源 LLM 的生態系及其差異。
• 為如 LLaMA、Mistral 和 Qwen 等模型準備資料集與微調設定。
• 使用 Hugging Face Transformers 和 PEFT 執行微調管線。
• 在有安全環境中評估、儲存並部署已微調的模型。

本課程由講師帶隊，在 台灣 提供實體或線上即時培訓，對象為初級至中級的軟體開發者和數據科學家，目標在於將 LLM 實作於語音辨識與合成系統中。

完成此培訓後，學員將能夠：

• 理解 LLM 在語音技術中的角色。
• 實作 LLM 以實現精準的語音辨識和自然的語音合成。
• 將 LLM 與語音辨識引擎及語音合成器整合。
• 評估並使用 LLM 改善語音系統效能。
• 了解語音技術的最新趨勢和未來發展方向。

此培訓由講師現場指導，採取線上或線下方式進行。適合希望導入 LLMs 開發響應式與智能客戶支援聊天機器人，初級至中級的客戶服務人員及 IT 專業人士參加。

完成培訓後，學員將能夠：

• 理解大型語言模型（LLMs）的基礎知識與架構。
• 設計並將 LLMs 整合至客戶支援系統。
• 提升聊天機器的回應速度與使用者體驗。
• 處理倫理考量，並確保符合產業標準。
• 部署及維護用於實際應用的 LLM 聊天機器人。

這門由講師主導的 台灣 現場培訓課程（線上或線下）專為具備中等經驗的數據科學家和AI工程師設計，旨在利用LoRA、適配器微調和前綴微調等方法，以更經濟高效的方式微調大型語言模型。

課程結束後，學員將能夠：

• 理解參數高效微調方法背後的理論基礎。
• 使用 Hugging Face PEFT 實現 LoRA、適配器微調和前綴微調。
• 比較 PEFT 方法與全量微調在性能和成本方面的權衡。
• 在降低計算和存儲需求的條件下，部署並擴展微調後的大型語言模型。

這門在 台灣（線上或線下）舉辦的由導師指導的培訓，旨在面向中級到高級機器學習工程師、AI 開發者和數據科學家，他們希望學習如何使用 QLoRA 來高效地針對特定任務和客製化需求微調大型模型。

完成此培訓後，學員將能夠：

• 理解 QLoRA 的理論以及用於 LLM 的量化技術。
• 在微調大規模語言模型時實施 QLoRA，以實現領域特定的應用。
• 透過量化優化有限運算資源上的微調效能。
• 有效部署並評估微調後的模型於實際應用中。

這項在 台灣（線上或線下）舉行的由講師主導的即時培訓，旨在幫助初級數據及市場專業人士將 LLMs 應用於從社交媒體帖子、產品評論和客戶反饋等多種文本來源中分析和解讀公眾情感。

完成本培訓後，參與者將能夠：

• 理解情感分析的基礎原理及其如何應用大型語言模型（LLM）。
• 對數據集進行預處理並為情感分析做好準備。
• 訓練和微調 LLM，使其準確反映文本中的情感。
• 即時分析來自社交媒體及其他文本來源的情感。
• 將情感分析結果整合至商業策略及決策流程中。

本課程為講師指導的實作培訓 台灣（線上或線下），對象為中階軟體開發人員與技術寫作者。旨在協助學員運用 LLM 優化程式碼工作流程，並建立詳盡且全面的文檔。

完成培訓後，學員將能夠：

• 理解 LLM 在自動化程式碼生成和軟體文件中的作用。
• 利用 LLM 創建準確且高效的程式碼片段與文件。
• 將 LLM 整合至軟體開發生命週期，以提升生产力。
• 使用自動化工具維持高品質的文件標準。
• 應對在軟體開發中使用 AI 的道德考量與最佳實踐。

這項由講師主導的實訓課程在台灣（線上或線下）進行，主要面向希望運用LLM提取商業洞察力的中階商務專業人士與數據分析師。

完成本培訓後，參與者將能夠：

• 了解LLM在商業智能環境中的基本原理與應用場景。
• 運用LLM分析大量數據集並提取有意義的洞察信息。
• 將基於LLM的分析工具整合至企業戰略決策流程中。
• 評估在商業中使用LLM的道德考量與最佳實踐。
• 預測AI未來趨勢，為商業智能不斷演變的格局做好準備。

本 台灣 講師在場指導的即時培訓（線上或線下），主要針對希望精通 LlamaIndex 以開發創新 LLM 應用程序的初級至進階開發人員和數據科學家。

完成本培訓後，參與者將能夠：

• 設置並配置 LlamaIndex 以與 LLMs 配合使用。
• 使用 LlamaIndex 索引和查詢自訂資料集，以增強 LLM 功能。
• 設計和開發利用 LlamaIndex 和 LLMs 的複雜應用程序。
• 理解並應用與 LLMs 和 LlamaIndex 工作的最佳實踐。
• 應對部署 LLM 驅動應用程序所涉及的道德考量。

這項在 台灣（線上或線下）舉辦、由講師主導的培訓，旨在協助中階 AI 研究人員、機器學習專業人士及數據科學家利用 LlamaIndex 強化 AI 模型的效能，使其在各類應用程式中更為準確可靠。

完成此培訓後，學員將能夠：

• 理解 LlamaIndex 的原理與元件。
• 攝取並結構化資料以配合 LLM 使用。
• 實作情境擴充以提升 AI 模型效能。
• 將 LlamaIndex 整合至既有 AI 系統與工作流程中。

這門在 台灣（線上或線下）舉辦的實體培訓，旨在幫助中階專業人士利用提示工程與少樣本學習的力量，以優化 LLM 在真實應用中的效能。

完成此培訓後，參與者將能夠：

• 理解提示工程與少樣本學習的基本原理。
• 為各種 NLP 任務設計有效的提示。
• 利用少樣本技術，以最少數據適應 LLM。
• 優化 LLM 在實際應用中的效能。

這門由講師授課的現場訓練（線上或線下）旨在協助進階工程師、AI專家以及本地化負責人，落實大型語言模型（LLM）系統以實現自動翻譯、品質評估及企業級治理。

完成本課程後，學員將能夠：

• 建置整合開放式與專有模型的大型企業級LLM本地化管道。
• 實施自動化的品質保證（QA）流程與品質指標，以確保翻譯的一致性。
• 建立多語言內容生產的治理與審批框架。
• 在安全環境中部署可擴展且具審計能力的LLM本地化系統。

這門由講師主導的現場實作培訓 台灣，旨在協助數據工程師掌握將 LLM 整合至 SQL 環境的技能。參與者將學習建置自然語言管道、實施 AI 驅動的優化，並設計安全的企業級工作流程以實現自動化資料分析。

這是由講師主導的實況培訓（線上或現場），專為中階 AI 開發人員和本地化工程師設計，旨在引導學員使用專有及開源 LLM 設計可擴展的自動化翻譯管線。

完成此培訓後，學員將能夠：

• 利用現代 LLM 框架和 API 設計並部署翻譯工作流程。
• 將開源和商業模型整合至可擴展的翻譯系統中。
• 透過微調、提示工程 (prompt engineering) 和自動化來最佳化翻譯品質。
• 為企業環境實施具成本效益且符合法規的翻譯基礎設施。

這門於 台灣（線上或線下）舉辦的由講師帶領的即時培訓，旨在幫助初級至中階開發者學習如何將生成式 AI 與 LLM 結合，應用於各種任務和領域。

完成本培訓後，學員將能夠：

• 解釋什麼是生成式 AI 及其運作原理。
• 描述支撐 LLM 的轉譯器架構。
• 使用經驗擴展律來優化不同任務與限制下的 LLM。
• 運用最先進的工具和方法對 LLM 進行訓練、微調和部署。
• 討論生成式 AI 對社會和商業帶來的機遇與風險。

透過在 台灣 進行的此導師帶領的實地培訓課程，掌握 Postgres 中的 AI 整合。學習設定擴充功能、實作 pgvector 嵌入，並連接 LLMs 以獲取即時洞察。在動手操作的即時實驗室環境中最佳化查詢並建構智能系統。

本在 台灣 舉辦的即時培訓（線上或線下），旨在協助初階至進階的人工智慧開發人員、架構師與產品經理識別並降低與大型語言模型驅動應用程式相關的風險，包括提示注入、資料洩漏及未經過濾的輸出，同時納入輸入驗證、人工監督以及輸出防護等安全控制措施。

完成本培訓後，參與者將能夠：

• 理解基於大型語言模型系統的潛在弱點。
• 將安全設計原則應用於大型語言模型應用程式架構。
• 使用 Guardrails AI 和 LangChain 等工具進行驗證、過濾及安全防護。
• 在生產級管線中整合沙盒隔離、紅隊測試及人工監督審查等技術。

此在台灣舉辦的由導師主導的現場培訓（線上或線下）旨在針對希望自定義預訓練模型以用於特定任務和數據集的中高級專業人士。

在培訓結束時，學員將能夠：

• 了解微調的原則及其應用。
• 為微調預訓練模型準備數據集。
• 為自然語言處理（NLP）任務微調大型語言模型（LLMs）。
• 優化模型性能，並解決常見挑戰。

本課程由講師現場授課，地點為 台灣（線上或線下），旨在幫助初階至中階資料科學家、人工智慧開發者及人工智慧愛好者，運用 LLM 執行各類 NLP 任務，並為不同目的創作新颖且多樣化的內容。

完成本培訓後，學員將能夠：

• 建立配備 LLM 和必要工具的開發環境。
• 熟練使用 LLM 執行 NLU 和 NLI 任務。
• 有效提取、推論及運用知識圖譜。
• 利用 LLM 生成和管理對話，以打造交談式應用程式。
• 評估由 LLM 和生成式 AI 產生的內容品質與多樣性。
• 實踐倫理原則，確保公平性及負責任地使用 LLM。

這種在 台灣（線上或線下）舉行的由講師引導的實時培訓，旨在為初級到中級的開發人員提供使用大型語言模型進行各種自然語言任務的技能。

通過本培訓，學員將能夠：

• 設置包含流行 LLM 的開發環境。
• 創建基本的 LLM 並在自定義數據集上進行微調。
• 使用 LLMs 處理不同的自然語言任務，如文本摘要、問答、文本生成等。
• 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具對 LLMs 進行調試和評估。

本課程為在台灣舉辦、有導師指導的實戰培訓（線上或線下），主要面向希望將LLM和AI整合至監控、警報處理及事件分析工作流程的可觀測性工程師和SRE工程師。

這門 台灣 課程為導師主導的現場培訓（線上或線下），主要對象為希望利用 AI 工具和自動化平台來簡化支援流程、標準化回應並減少手動文件編寫工作量的 IT 支援專業人員。

這場在台灣（線上或線下）舉辦的由講師帶領的現場培訓，面向希望使用騰訊混元部署大型和MoE模型的中级工程師和架構師，以降低延遲、增強吞吐量並更好地控制成本。

完成本課程後，學員將能夠：解釋混元生產部署模式、優化推論性能、實施批處理和量化策略，並規劃可擴展的服務操作。

這堂位於 台灣（線上或線下）的講師帶領培訓課程，針對希望使用混元模型創建多模態應用以生成並交付圖像、3D 和影片的開發者、技術產品團隊及 AI 從業者設計。

完成本課程後，參與者將能夠：構建基於提示的工作流，生成並審查多模態資產，透過應用程式或 API 提供輸出，並將混元功能連接至企業產品堆疊。

課程目標turn software / AI engineers into legal engineers — the people who can actually build AI for legal work (eDiscovery, review, investigations).

In two days, participants build the full core stack: ingest and extract messy real-world legal data, search and retrieve it, add retrieval-augmented generation (RAG) with citations, keep it private on a local model and prove it, run a defensible AI review with court-ready metrics, and package the result for deployment.

本 台灣 (線上或線下) 講師主導的實作培訓，針對初階、中階或高階的 AI 專業人士，協助他們利用 MCP，將 AI 助手與外部工具、資料以及企業服務相連線。

完成本培訓後，學員將能夠：闡述 MCP 概念、識別關鍵架構元件、建置基本整合，並應用安全最佳實踐。

此為在台灣舉辦的現場或線上即時培訓，目標受眾為希望利用模型上下文協議來設計安全、可擴展且可治理的代理整合平台的初級至中階企業架構師。

完成本課程後，學員將能夠：解釋MCP架構及企業模式、設計安全的整合平台、套用治理及存取控制機制，並評估部署及擴展選項。

此為於台灣（線上或線下）舉辦的實體授課培訓，適合希望使用 MCP 建構符合企業部署與營運標準之可靠伺服器與客戶端的中階開發人員、架構師及平台工程師。

完成本培訓後，學員將能夠：解釋實務上的 MCP 架構，建構可投入生產的整合方案，部署並監控 MCP 服務，以及應用版本控制、韌性及支援模式。

這堂在台灣舉辦的由講師帶領的現場培訓（線上或線下），旨在服務中階IT領導者、合規專業人員、安全團隊及企業架構師。他們希望運用主權AI原則與治理實踐，設計能保護敏感資料、支援在地化需求並降低供應商鎖定風險的AI環境。

完成本培訓後，學員將能夠：解釋主權AI概念，評估託管與治理選項，定義提示詞與日誌的控制措施，並建立實用的導入藍圖。