台北現場Large Language Models (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。

本培訓為導師主導的 台北（線上或線下）現場培訓，旨在幫助高層管理團隊了解 LLMs 和企業 AI 工具的戰略價值。參與者將探索如何將這些工具整合到高層工作流程中，撰寫更好的提示詞，並評估透過採用 AI 提高生產力和投資回報率的機會。

完成本培訓後，參與者能夠：

• 理解 LLMs 的運作方式，以及 ChatGPT 和 Copilot 等工具如何應用它們。
• 使用基於提示詞的互動來自動化和加速任務。
• 將 AI 工具應用於真實場景，例如郵件草稿撰寫、報告摘要和協議審查。
• 評估採用 LLMs 的戰略優勢、限制及授權考量。

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 台北（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 台北（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（台北線上或線下），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。

此培訓為由導師主導的實作課程，在 台北（線上或線下）進行。目標受眾為具備中階水平的金融分析師、數據科學家和投資專業人士，他們希望利用大型語言模型進行金融市場的分析與預測。

完成本培訓後，參與者將能夠：

• 理解大型語言模型在金融市場分析中的應用。
• 使用大型語言模型處理財經新聞、報告和數據，以獲取市場洞察。
• 開發用於股票價格、市場趨勢及經濟指標的預測模型。
• 將大型語言模型的洞察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 台北（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 台北（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，於台北（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 台北（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 台北 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。

本 台北（線上或線下）的講師主導實時培訓，旨在針對希望以更具成本效益且更高效的方式，使用 LoRA、Adapter Tuning 和 Prefix Tuning 等方法微調大型語言模型的初階至中階數據科學家與 AI 工程師。

完成本培訓後，學員將能夠：

• 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 方法與全量微調之間的效能與成本權衡。
• 部署並擴展微調後的 LLM，同時降低運算與儲存需求。

這門在 台北（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 台北（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 台北（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北（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 台北 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 台北（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 台北（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。

LangGraph 是一個框架，用於構建有狀態、多角色的大型語言模型（LLM）應用程序，這些應用程序作為可組合圖實現，具有持久狀態和對執行的精確控制。

本培訓由講師主講，提供線上或線下形式。主要面向希望設計、實施並運營基於 LangGraph 的法律解決方案、並具備必要合規性、可追溯性及治理控制的中高級專業人士。

完成本培訓後，參與者將能夠：

• 設計符合審計和合規要求的特定於法律的 LangGraph 工作流。
• 將法律本體論文檔標準整合到圖狀態及處理流程中。
• 實施保護措施、人在迴路（human-in-the-loop）批准機制以及可追溯的決策路徑。
• 在生產環境中部署、監控和維護 LangGraph 服務，實現可觀測性及成本控制。

課程形式

• 互動式講授與討論。
• 大量的練習與實踐環節。
• 在實時實驗室環境中的實際操作實施。

課程定制選項

• 如需為本課程申請定制化培訓，請聯繫我們以進行安排。

此為講師主導之即時培訓（線上或線下），目標受眾為希望將大型語言模型 (LLM) 系統導入自動化翻譯、品質評估及企業治理的高階工程師、AI 專家與本地化專案負責人。

完成本培訓後，學員將能夠：

• 建構整合開放式與專有模型的企業級 LLM 本地化管線。
• 實施自動化 QA 工作流程與翻譯一致性品質指標。
• 建立多語內容生產的治理與審核框架。
• 在安全環境中部署可擴展且可稽核的 LLM 本地化系統。

AI for SQL 是人工智慧與大型語言模型 (LLMs) 的應用，旨在自動化、最佳化並增強企業數據環境中 SQL 查詢的生成、執行與解譯方式。

本課程為講師主導的現場培訓（線上或線下），目標對象為希望將 AI 能力整合至 SQL 工作流程中，以實現自然語言查詢、智能最佳化及自動化數據分析的中階資料工程師與技術負責人。

完成本培訓後，參與者將能夠：

• 將 LLM（如 GPT、DeepSeek、LLaMA、Qwen 和 Mistral）整合至 SQL 環境。
• 建構從自然語言到 SQL 的管道，實現對話式數據存取。
• 實施 AI 驅動的查詢最佳化與錯誤檢測。
• 設計安全且可審計的 AI-SQL 工作流程，適用於企業使用。

課程格式

• 互動式講座與討論。
• 大量的練習與實作。
• 在實際實驗室環境中進行動手實作。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們以安排。

LangGraph 是一個框架，用於構建具有狀態、多參與者的 LLM 應用程式，作為可組件的圖形結構，具備持久化狀態和對執行的控制。

這項由導師主導的現場培訓（線上或線下），旨在為中高級至高級專業人士設計，這些人士希望以適當的治理、可觀測性和合規性來設計、實施並運作基於 LangGraph 的金融解決方案。

完成本培訓後，學員將能夠：

• 設計符合監管和審計要求的特定於金融領域的 LangGraph 工作流程。
• 將金融數據標準和詞彙表整合到圖形狀態和工具中。
• 實施關鍵流程的可靠性、安全性以及人在迴路中的控制機制。
• 部署、監控並優化 LangGraph 系統，以滿足性能、成本和服務等級協議 (SLA) 的需求。

課程形式

• 互動式講座與討論。
• 大量的練習和實踐機會。
• 在實機實驗室環境中進行實務操作。

課程客製化選項

• 如需申請本課程的客製化培訓，請聯絡我們安排。

Vertex AI 提供了強大的工具，用於構建整合文字、音訊和影像資料的多模態大型語言模型工作流程。透過支援長上下文視窗以及 Gemini API 參數，它能夠在規劃、推理和多模態智能方面推動先進的應用程式發展。

本課程由導師親自指導，提供線上或線下即時培訓，旨在協助中高級從業者設計、構建並優化 Vertex AI 中的多模態 AI 工作流程。

完成本課程後，學員將能夠：

• 運用 Gemini 模型處理多模態輸入與輸出。
• 實施長上下文工作流程，以進行複雜推理。
• 設計整合文字、音訊和影像分析的工作流程。
• 最佳化 Gemini API 參數，提升效能並控制成本。

課程形式

• 互動式講授與討論。
• 結合多模態工作流程的實作實驗室。
• 以專案為導向的練習，應用於實際的多模態案例。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們以進行安排。

LangGraph 支援具備狀態且涉及多個參與者的工作流程，由大語言模型 (LLM) 驅動，並能精確控制執行路徑與狀態持久化。在醫療行業中，這些功能對於合規性、互操作性以及建立符合醫療工作流程的決策支持系統至關重要。

此課程為講師引導的實操培訓 (線上或線下)，旨在幫助中級至高級專業人士設計、實施並管理基於 LangGraph 的醫療解決方案，同時應對監管、道德及運營挑戰。

完成本培訓後，參與者將能夠：

• 設計符合合規性與可審計要求的醫療專用 LangGraph 工作流程。
• 將 LangGraph 應用程式與醫療本体及標準 (FHIR, SNOMED CT, ICD) 進行整合。
• 在敏感環境中應用可靠性、可追溯性與可解釋性的最佳實踐。
• 在醫療生產環境中部署、監控並驗證 LangGraph 應用程式。

課程形式

• 互動式講解與討論。
• 結合真實案例的實操練習。
• 在實時實驗環境中進行實施演練。

課程客製化選項

• 如需為本課程申請客製化培訓，請聯繫我們以安排相關事宜。

這門課程提供線上或線下實體培訓，由導師親自授課，面向希望使用專有及開源 LLM 設計可擴展自動化翻譯流程的初級 AI 開發人員和本地化工程師。

完成本培訓後，參與者將能夠：

• 設計並部署利用現代 LLM 框架和 API 的翻譯工作流。
• 將開源與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）及自動化優化翻譯品質。
• 為企業環境實施具成本效益且符合規範的翻譯基礎設施。

LangGraph 是一個用於構建有狀態、多參與者 LLM 應用程序的框架，它將這些應用程序作為可組合的圖表來實現，具有持久化狀態並能控制執行過程。

本課程為講師帶領的實作培訓（線上或線下），旨在協助高階 AI 平台工程師、AI DevOps 及 ML 架構師優化、除錯、監控以及運行生產級別的 LangGraph 系統。

完成本培訓後，學員將能夠：

• 為速度、成本和可擴展性設計並優化複雜的 LangGraph 拓撲結構。
• 透過重試、逾時、冪等性和基於檢查點的恢復來構建可靠性。
• 除錯並追蹤圖表執行過程，檢查狀態，並系統性地複現生產環境中的問題。
• 透過日誌、指標和追蹤來為圖表注入工具，將其部署至生產環境，並監控服務等級協議 (SLA) 與成本。

課程形式

• 互動式講授與討論。
• 大量的練習與實作。
• 在即時實驗室環境中的動手實作。

課程客製化選項

• 如需為本課程申請客製化培訓，請與我們聯繫以進行安排。

這門於 台北（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。

大型語言模型（LLMs）和自動代理框架，如AutoGen和CrewAI，正在重新定義DevOps團隊如何自動化變更追蹤、測試生成和警報分診等任務。這些框架透過模擬人類般的協作與決策過程來實現這一目標。

本課程為由講師指導的現場培訓（線上或線下），旨在協助進階工程師設計並實施由大型語言模型（LLMs）和多智能代理系統驅動的DevOps自動化工作流程。

完成本培訓後，學員將能夠：

• 將基於LLM的智能代理整合至CI/CD工作流程中，實現智能自動化。
• 利用智能代理自動化測試生成、提交分析與變更摘要。
• 協調多個智能代理以進行警報分診、生成回應並提供DevOps建議。
• 使用開源框架構建安全且易於維護的智能代理驅動工作流程。

課程形式

• 互動式講座與討論。
• 大量的練習與實作。
• 在實驗室環境中進行實務操作。

課程客製化選項

• 如需申請本課程的客製化培訓，請聯繫我們以安排。

Postgres 是一個先進的開源關聯式資料庫，可作為 AI 驅動系統和資料智慧應用的基礎。

此由講師主導的培訓課程（線上或線下）旨在幫助初階到中階的資料庫專業人士及開發人員，讓他們能夠整合、管理與優化 Postgres 內的 AI 功能。

完成本培訓後，學員將能夠：

• 設定並配置用於 AI 負載的 Postgres 擴充模組。
• 使用 pgvector 實作嵌入與相似性搜尋功能。
• 將開源與專有大語言模型整合進 Postgres，實現即時洞察分析。
• 優化 Postgres 以處理 AI 驅動的查詢和工作流程。

課程形式

• 互動式講授與討論。
• 大量練習與實作機會。
• 在即時實驗室環境中進行實際操作。

課程自訂選項

• 若需針對此課程申請客製化培訓，請聯繫我們進行安排。

本在 台北 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。

此在台北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。

LangGraph 是一個用於編排基於圖結構的 LLM 工作流的框架，支持分支、工具調用、記憶力和可控執行。

這門由導師主導的實訓課程（線上或線下）旨在幫助中級工程師和產品團隊將 LangGraph 的圖邏輯與 LLM Agent 循環結合起來，構建動態且上下文感知的應用程序，例如客戶服務 Agent、決策樹和信息檢索系統。

通過本課程的培訓，參與者將能夠：

• 設計協調 LLM Agent、工具和記憶力的基於圖的工作流。
• 實現條件路由、重試和回退機制以確保穩健執行。
• 在 Agent 循環中集成檢索、API 和結構化輸出。
• 評估、監控並強化 Agent 行為，確保其可靠性和安全性。

課程形式

• 互動式講座與引導討論。
• 沙盒環境中的指導實驗和代碼逐步解析。
• 基於場景的設計練習與同行評審。

課程自定義選項

• 如需為本課程申請定制化培訓，請聯繫我們以進行安排。

「利用大型語言模型進行程式碼理解、重構與文件生成」是一門技術課程，專注於運用大型語言模型（LLM）提升程式碼品質、減少技術債，並自動化軟體團隊的文件工作流程。

這堂由講師主導的培訓課程可線上或線下舉行，對象為中階到高階的軟體專業人員。學員將學習如何使用 ChatGPT 等 LLM 工具，更有效率地分析、重構並記錄複雜或歷史悠久的程式碼庫。

完成本課程後，學員將能夠：

• 運用 LLM 解釋陌生專案中的程式碼、相依性與邏輯。
• 識別並重構反模式，提升程式碼的可讀性。
• 自動產生與維護行內註解、README 檔案及 API 文件。
• 將 LLM 提供的洞察建議整合至現有的 CI/CD 與代碼審查工作流程中。

課程形式

• 互動式講授與討論。
• 大量的練習與實作。
• 在即時實驗室環境中進行動手實作。

課程客製化選項

• 若您希望為此課程申請客製化培訓，請聯繫我們以安排相關事宜。

本課程由講師現場授課，地點為 台北（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。

LangGraph 是一個用於構建圖結構化 LLM 應用程序的框架，支持規劃、分支、工具使用、記憶和可控執行。

本培訓由講授員指導進行（線上或線下），旨在幫助初級開發人員、提示工程師以及數據從業者設計並構建基於 LangGraph 的可靠多步驟 LLM 工作流。

通過完成此培訓，參加者將能夠：

• 解釋 LangGraph 的核心概念（節點、邊、狀態），並了解何時使用它們。
• 構建可以分支、調用工具並保持記憶的提示鏈。
• 將檢索和外部的 API 集成到圖形工作流中。
• 測試、除錯並評估 LangGraph 應用程序，以確保其可靠性與安全性。

課程形式

• 互動式講授與引導討論。
• 沙箱環境中的實驗室指導與代碼講解。
• 基於場景的練習，涵蓋設計、測試與評估。

課程自定義選項

• 如需為本課程要求自定義培訓，請聯繫我們以安排。

這種在 台北（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。

本課程為在台北舉辦、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。

這場在台北（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 台北（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。

本 台北 (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。

此為在台北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。

此為於台北（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。

這堂在台北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。