台灣現場自然語言處理（NLP）培訓

Ollama是一個本地運行大型語言和多模態模型的平臺，支持治理和負責任的AI實踐。

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，旨在幫助他們在Ollama驅動的應用中實現公平性、透明性和問責制。

通過本培訓，參與者將能夠：

• 在Ollama部署中應用負責任的AI原則。
• 實施內容過濾和偏見緩解策略。
• 設計用於AI對齊和可審計性的治理工作流程。
• 建立監控和報告框架以確保合規性。

課程形式

• 互動式講座和討論。
• 實踐性的治理工作流程設計實驗。
• 案例研究和以合規爲重點的練習。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們進行安排。

本次由講師主導的台灣（線上或線下）培訓，面向高級AI研究人員和政策制定者，旨在探討AI開發的倫理影響，並學習如何在利用LangChain構建AI解決方案時應用倫理準則。

培訓結束後，參與者將能夠：

• 識別使用LangChain進行AI開發中的關鍵倫理問題。
• 理解AI對社會和決策過程的影響。
• 制定構建公平和透明AI系統的策略。
• 將倫理AI準則應用於基於LangChain的項目中。

Ollama是一個平臺，允許在本地運行大型語言和多模態模型，同時支持安全部署策略。

本次由講師主導的培訓（線上或線下）面向希望部署Ollama並具備強大數據隱私和法規合規措施的中級專業人員。

培訓結束後，參與者將能夠：

• 在容器化和本地環境中安全部署Ollama。
• 應用差分隱私技術保護敏感數據。
• 實施安全的日誌記錄、監控和審計實踐。
• 執行符合合規要求的數據訪問控制。

課程形式

• 互動式講座和討論。
• 包含安全部署模式的實踐實驗室。
• 以合規爲重點的案例研究和實踐練習。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

這種由講師指導的 台灣 現場培訓（在線或現場）面向希望利用 LangChain 創建直觀且使用者友好的 Web 應用程式的中級 Web 開發人員和 UX 設計人員。

在本次培訓結束時，參與者將能夠：

• 瞭解 LangChain 的基本概念及其在增強 Web 用戶體驗中的作用。
• 在 Web 應用程式中實現 LangChain 以建立動態和回應式介面。
• 將 API 整合到 Web 應用程式中，以提高交互性和用戶參與度。
• 使用 LangChain 的高級自定義功能優化用戶體驗。
• 分析使用者行為數據以微調 Web 應用程式性能和體驗。

Ollama 是一個能夠在本地運行大型語言和多模態模型的平臺。

本次由講師主導的培訓（線上或線下）面向中級從業者，旨在幫助他們掌握提示工程技巧，以優化 Ollama 的輸出。

在培訓結束時，參與者將能夠：

• 爲各種用例設計有效的提示。
• 應用諸如提示啓動和思維鏈結構等技術。
• 實施提示模板和上下文管理策略。
• 爲複雜工作流構建多階段提示管道。

課程形式

• 互動式講座和討論。
• 提示設計的實踐練習。
• 在即時實驗室環境中的實際應用。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

這種由 講師指導的 台灣 現場現場培訓（在線或現場）面向希望瞭解如何使用 LangChain 和 API 自動執行重複性任務和工作流的初級業務分析師和自動化工程師。

在本次培訓結束時，參與者將能夠：

• 瞭解與 LangChain 集成的 API 的基礎知識。
• 使用 LangChain 和 Python 自動執行重複的工作流程。
• 利用 LangChain 連接各種 API 以實現高效的業務流程。
• 使用 API 和 LangChain 的自動化功能創建和自動化自定義工作流程。

LangGraph 是一個框架，用於構建具有持久狀態和執行精確控制的多參與者 LLM 應用程序，作爲可組合的圖。

本次由講師指導的培訓（線上或線下）面向中高級專業人士，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。

通過本次培訓，參與者將能夠：

• 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。
• 實施防護措施、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，確保可觀測性和成本控制。

課程形式

• 互動式講座和討論。
• 大量練習和實踐。
• 在即時實驗室環境中進行實際操作。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

Ollama 是一個用於本地和大規模運行大型語言和多模態模型的平臺。

本次由講師指導的培訓（線上或線下）面向中高級工程師，旨在幫助他們擴展 Ollama 部署，以應對多用戶、高吞吐量和成本效益高的環境。

培訓結束後，參與者將能夠：

• 爲多用戶和分佈式工作負載配置 Ollama。
• 優化 GPU 和 CPU 資源分配。
• 實施自動擴展、批處理和延遲減少策略。
• 監控和優化基礎設施，以提高性能和成本效益。

課程形式

• 互動式講座和討論。
• 動手部署和擴展實驗。
• 在實際環境中進行優化練習。

課程定製選項

• 如需爲此課程定製培訓，請聯繫我們安排。

CANN SDK（Neural Networks 的计算架构）为计算机视觉和自然语言处理（NLP）中的实时AI应用提供了强大的部署和优化工具，特别是在Huawei Ascend硬件上。

本课程为讲师指导的培训（线上或线下），面向中级AI从业者，旨在帮助他们使用CANN SDK构建、部署和优化视觉与语言模型，以应对实际生产用例。

培训结束后，学员将能够：

• 使用CANN和AscendCL部署和优化CV与NLP模型。
• 使用CANN工具转换模型并将其集成到实时管道中。
• 优化检测、分类和情感分析等任务的推理性能。
• 为边缘或云端部署场景构建实时CV/NLP管道。

课程形式

• 互动讲座与演示。
• 动手实验：模型部署与性能分析。
• 使用真实CV和NLP用例设计实时管道。

课程定制选项

• 如需为本课程定制培训，请联系我们进行安排。

這種講師指導的 台灣 現場培訓（在線或現場）面向希望使用 LangChain 來增強其數據分析和可視化能力的中級數據專業人員。

在本次培訓結束時，參與者將能夠：

• 使用 LangChain 自動檢索和清理數據。
• 使用 Python 和 LangChain 進行高級數據分析。
• 使用 Matplotlib 和其他與 LangChain 集成的 Python 庫創建可視化。
• 利用 LangChain 從數據分析中生成自然語言洞察。

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。

Ollama 是一個平臺，支持在本地運行和微調大型語言和多模態模型。

本次由講師指導的培訓（線上或線下）面向高級機器學習工程師、AI 研究人員和產品開發人員，他們希望使用 Ollama 構建和部署多模態應用。

培訓結束後，學員將能夠：

• 使用 Ollama 設置和運行多模態模型。
• 整合文本、圖像和音頻輸入，用於實際應用。
• 構建文檔理解和視覺問答系統。
• 開發能夠跨模態推理的多模態代理。

課程形式

• 互動式講座和討論。
• 使用真實多模態數據集進行實踐操作。
• 使用 Ollama 即時實驗室實現多模態管道。

課程定製選項

• 如需爲此課程定製培訓，請聯繫我們安排。

這是一個由講師指導的台灣（線上或線下）培訓，旨在幫助中級數據科學家和開發人員使用Python在Google Colab中應用自然語言處理（NLP）技術。

在培訓結束時，參與者將能夠：

• 理解自然語言處理的核心概念。
• 預處理和清理文本數據以用於NLP任務。
• 使用NLTK和SpaCy庫進行情感分析。
• 使用Google Colab處理文本數據，進行可擴展和協作的開發。

高級Ollama模型調試與評估是一門深入課程，專注於診斷、測試和測量在本地或私有Ollama部署中運行的模型行為。

這門由講師指導的培訓（線上或線下）面向高級AI工程師、ML Ops專業人員和QA從業者，旨在確保基於Ollama的模型在生產中的可靠性、保真度和操作準備性。

通過本培訓，參與者將能夠：

• 對Ollama託管的模型進行系統化調試，並可靠地重現故障模式。
• 設計並執行具有定量和定性指標的穩健評估管道。
• 實施可觀察性（日誌、追踪、指標）以監控模型健康狀況和漂移。
• 自動化測試、驗證和回歸檢查，並將其集成到CI/CD管道中。

課程形式

• 互動式講座和討論。
• 使用Ollama部署進行動手實驗和調試練習。
• 案例研究、小組故障排除會議和自動化工作坊。

課程定制選項

• 如需為本課程定制培訓，請聯繫我們安排。

本次由講師指導的台灣（線上或線下）培訓，面向中級研究人員、分析師和知識工作者，旨在幫助他們利用Claude AI處理大量數據、綜合信息並自動化研究任務。

培訓結束後，參與者將能夠：

• 使用Claude AI進行文獻綜述和研究綜合。
• 總結報告、研究論文和長文檔。
• 從結構化和非結構化數據中提取關鍵見解和趨勢。
• 將Claude AI集成到研究和知識管理工作流程中。

這種由 講師指導的 台灣 現場現場培訓（在線或現場）面向高級數據工程師和 DevOps 專業人員，他們希望通過將 LangChain 的功能與各種雲服務集成來利用 LangChain 的功能。

在本次培訓結束時，參與者將能夠：

• 與 AWS、Azure 和 Google Cloud 等主要雲平臺集成 LangChain。
• 利用基於雲的 API 和服務來增強 LangChain 驅動的應用程式。
• 擴展對話代理並將其部署到雲中，以實現即時交互。
• 在雲環境中實施監控和安全最佳實踐。

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。

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。

這種由 講師指導的 台灣 現場培訓（在線或現場）面向希望加深對對話代理的理解並將 LangChain 應用於實際用例的中級專業人員。

在本次培訓結束時，參與者將能夠：

• 瞭解 LangChain 的基礎知識及其在構建對話代理中的應用。
• 使用 LangChain 開發和部署對話代理。
• 將對話代理與 API 和外部服務整合。
• 應用 Natural Language Processing (NLP) 技術來提高對話代理的性能。

本課程爲講師指導的台灣（線上或線下）培訓，面向初級到中級的內容創作者、作家和營銷人員，旨在幫助他們利用Claude AI進行內容生成、編輯和摘要，以提升博客、報告和營銷材料的質量。

培訓結束後，參與者將能夠：

• 使用Claude AI進行內容頭腦風暴和創意擴展。
• 通過AI輔助編輯和校對提升寫作水平。
• 生成長篇內容和報告的摘要。
• 自動化生成適用於不同平臺的營銷文案。

這項由講師指導的台灣（線上或線下）培訓，針對希望微調和自訂Ollama上的AI模型以提升性能和特定領域應用的高級專業人士。

在培訓結束時，參與者將能夠：

• 在Ollama上設置高效的AI模型微調環境。
• 準備用於監督式微調和強化學習的數據集。
• 優化AI模型的性能、準確性和效率。
• 在生產環境中部署自訂模型。
• 評估模型改進並確保其穩健性。

本次由講師指導的台灣（線上或線下）培訓，旨在幫助中級專業人士掌握使用NLG進行文本摘要和內容生成的實用技能。

培訓結束後，參與者將能夠：

• 理解NLG在文本摘要和內容生成中的核心原理。
• 實現NLG模型以總結大型文檔和文章。
• 利用預訓練的NLG模型（如GPT）進行內容創作。
• 應用高級技術微調NLG模型，以完成特定的內容生成任務。

本次由講師指導的線下或線上培訓，面向所有技能水平的開發人員和IT專業人員，旨在幫助他們無需編寫大量代碼即可使用AI自動化任務和流程。

培訓結束後，參與者將能夠：

• 使用n8n的可視化編程界面設計和實現複雜的工作流。
• 使用LangChain將AI功能集成到工作流中。
• 爲各種用例構建自定義聊天機器人和虛擬助手。
• 使用AI代理進行高級數據分析和處理。

這是一個由講師指導的線上或線下培訓，針對希望使用Ollama實現安全高效的AI驅動工作流程的高級專業人士。

通過本培訓，參與者將能夠：

• 部署和配置Ollama以進行私有AI處理。
• 將AI模型集成到安全的企業工作流程中。
• 在保持數據隱私的同時，優化AI性能。
• 利用本地AI功能自動化業務流程。
• 確保符合企業安全與治理政策。

本次由講師指導的線下或線上培訓，面向中級軟件開發人員和AI工程師，旨在幫助他們將Claude AI集成到應用中，構建AI驅動的聊天機器人，並通過AI驅動的自動化增強軟件功能。

培訓結束後，參與者將能夠：

• 使用Claude AI API將AI集成到應用中。
• 開發AI驅動的聊天機器人和虛擬助手。
• 通過AI驅動的自動化和自然語言處理增強應用功能。
• 針對不同用例優化和微調Claude AI模型。

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。

本課程由講師主導，提供線上或線下培訓，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。

在本培訓結束時，參與者將能夠：

• 設計具有條件邏輯的圖結構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。
• 在多步驟營銷活動中管理狀態、記憶和上下文。
• 評估、監控和優化工作流性能和交付結果。

課程形式

• 互動式講座和小組討論。
• 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

• 如需爲本課程定製培訓，請聯繫我們進行安排。

本次由講師指導的線下或線上培訓，面向希望掌握AI驅動的自然語言生成（NLG）技術以應用於聊天機器人和虛擬助手的資深專業人士。

培訓結束後，參與者將能夠：

• 理解對話AI中NLG的核心原理。
• 利用深度學習技術增強聊天機器人的對話生成能力。
• 將最先進的NLG模型（如GPT-3）集成到聊天機器人框架中。
• 應用上下文AI提升對話的連貫性和流暢性。

這種由講師指導的 台灣 現場培訓（在線或現場）面向希望提高使用高級 NLG 方法生成高品質、類似人類文本的技能的中級專業人士。

在本次培訓結束時，參與者將能夠：

• 瞭解生成自然語言文本的高級技術。
• 為 NLG 實施和微調基於 transformer 的模型。
• 優化 NLG 輸出的流暢性、連貫性和相關性。
• 使用自動化和人工指標評估生成文本的品質。

本次由講師指導的線下或線上培訓，面向希望將Claude AI集成到日常工作中以提高效率和自動化的初級專業人員。

培訓結束後，學員將能夠：

• 使用Claude AI自動化重複性任務，優化工作流程。
• 利用AI驅動的自動化提升個人和團隊生產力。
• 將Claude AI與現有業務工具和平臺集成。
• 優化AI驅動的決策和任務管理。

這是一場由講師指導的現場培訓，地點在台灣（線上或現場），適合希望使用Ollama部署、優化和整合LLM的中級專業人士。

在培訓結束時，參與者將能夠：

• 使用Ollama設置和部署LLM。
• 優化AI模型以提升性能和效率。
• 利用GPU加速提升推理速度。
• 將Ollama整合到工作流程和應用程式中。
• 監控和維護AI模型的長期性能。

這種以講師為主導的台灣（在線或現場）現場培訓面向希望學習LangChain核心概念和架構並獲得構建AI驅動應用程式的實用技能的初級到中級開發人員和軟體工程師。

在培訓結束時，參與者將能夠：

• 掌握LangChain的基本原理。
• 設置和配置LangChain環境。
• 了解架構以及 LangChain 如何與大型語言模型 （LLM） 互動。
• 使用LangChain開發簡單的應用程式。

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。

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。

這種由講師指導的 台灣 現場培訓（在線或現場）面向希望通過有效微調預先訓練的語言模型來增強其 NLP 專案的中級專業人員。

在本次培訓結束時，參與者將能夠：

• 瞭解 NLP 任務微調的基礎知識。
• 針對特定的 NLP 應用程式微調預訓練模型，例如 GPT、BERT 和 T5。
• 優化超參數以提高模型性能。
• 在實際場景中評估和部署微調的模型。

這種以講師為主導的現場培訓（現場或遠端）面向數據科學家、機器學習工程師、NLP 研究人員和 AI 愛好者，他們希望瞭解 GPT 模型的內部工作原理，探索 GPT-3 和 GPT-4 的功能，並學習如何利用這些模型完成他們的 NLP 任務。

在培訓結束時，參與者將能夠：

• 瞭解生成式預訓練轉換器背後的關鍵概念和原則。
• 理解GPT模型的架構和訓練過程。
• 利用 GPT-3 完成文字生成、完成和翻譯等任務。
• 探索 GPT-4 的最新進展及其潛在應用。
• 將 GPT 模型應用於他們自己的 NLP 專案和任務。

本次由講師指導的台灣（線上或線下）培訓，面向初級商務專業人士、客戶支持團隊以及科技愛好者，旨在幫助他們理解Claude AI的基礎知識，並將其應用於商業場景。

培訓結束後，參與者將能夠：

• 瞭解Claude AI的功能和應用場景。
• 有效設置並操作Claude AI。
• 利用對話式AI自動化業務流程。
• 通過AI驅動的解決方案提升客戶參與度和支持服務。

這種由講師指導的 台灣 現場培訓（在線或現場）面向希望學習 NLG 基礎知識及其在 AI 和內容生成中的作用的初級專業人士。

在本次培訓結束時，參與者將能夠：

• 瞭解自然語言生成的基本概念。
• 探索 NLG 在各個行業的應用。
• 瞭解使用 AI 生成類人文本的基本技術。
• 使用 Python 個庫和模型生成文字。

本次由講師指導的線下或線上培訓，面向希望使用LangChain框架構建AI驅動應用的中級開發者和軟件工程師。

培訓結束後，學員將能夠：

• 理解LangChain的基礎知識及其組件。
• 將LangChain與GPT-4等大型語言模型（LLMs）集成。
• 使用LangChain構建模塊化AI應用。
• 解決LangChain應用中的常見問題。

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。

本課程為講師指導的台灣（線上或線下）培訓，旨在幫助初級專業人士安裝、配置並使用Ollama在本地機器上運行AI模型。

培訓結束後，學員將能夠：

• 了解Ollama的基本原理及其功能。
• 設置Ollama以運行本地AI模型。
• 使用Ollama部署並與LLM進行互動。
• 優化AI工作負載的性能和資源使用。
• 探索本地AI部署在各行業中的應用案例。

據估計，非結構化數據佔所有數據的 90% 以上，其中大部分是文本形式。博客文章、推文、社交媒體和其他數位出版物不斷添加到這個不斷增長的數據主體中。

這個由講師指導的現場課程圍繞著從這些數據中提取見解和意義。利用 R Language 和 Natural Language Processing (NLP) 庫，我們結合了計算機科學、人工智慧和計算語言學的概念和技術，從演算法上理解文本數據背後的含義。根據客戶要求提供各種語言的數據樣本。

在培訓結束時，參與者將能夠準備來自不同來源的數據集（大小），然後應用正確的演算法來分析和報告其重要性。

課程形式

• 部分講課，部分討論，大量的實踐練習，偶爾的測試以衡量理解

本課程是為經理、解決方案架構師、創新官、首席技術官、軟體架構師以及任何對應用人工智慧概述及其發展的最新預測感興趣的人創建的。

人工智慧是一組技術，用於構建智慧系統，能夠理解數據和圍繞數據的活動，以做出“智能決策”。對於 Telecom 提供商來說，構建利用 AI 的應用程式和服務可以為改進維護和網路優化等領域的運營和服務打開大門。

在本課程中，我們將研究構成 AI 的各種技術以及使用它們所需的技能集。在整個課程中，我們將研究人工智慧在 Telecom 行業中的具體應用。

觀眾

• 網路工程師
• 網路運營人員
• Telecom 技術經理

課程形式

• 部分講座，部分討論，實踐練習

本課程面向希望在其應用程式中理解和實施人工智慧的開發人員和數據科學家。特別關注數據分析、分散式人工智慧和自然語言處理。

聊天機器人是一種通過聊天界面自動模擬人類回應的電腦程式。聊天機器人幫助組織通過提供更簡單和快速的用戶互動選項來最大化其運營效率。

在這個以講師為主導的現場培訓中，參與者將學習如何在Python構建聊天機器人。

在培訓結束時，參與者將能夠：

• 了解構建聊天機器人的基礎知識
• 使用Python構建、測試、部署和排除各種聊天機器人的故障

聽眾

• 開發人員

課程形式

• 部分講授、部分討論、練習和大量的實際操作

注意

• 如需為此課程定制培訓，請聯繫我們安排。

在這個由講師指導的台灣現場培訓中，參與者將學習使用Python 庫進行NLP，因為他們創建了一個處理 一組圖片並生成標題的應用程式。 

在培訓結束時，參與者將能夠：

•  使用 Python 庫為 NLP 設計和編寫 DL。
• 創建 Python 代碼，讀取大量圖片並生成關鍵字。
• 創建 Python 代碼，用於 從檢測到的關鍵字生成標題。

在這場由講師指導的台灣線下培訓中，參與者將學習如何使用Python從頭開始構建自己的NLG系統，以生成高質量的自然語言文本。培訓還將探討案例研究，並將相關概念應用於生成內容的實驗室項目中。

在培訓結束時，參與者將能夠：

• 使用NLG自動生成各種行業的內容，從新聞、房地產到天氣和體育報導。
• 選擇和組織源內容，規劃句子，並準備系統以自動生成原創內容。
• 了解NLG流程，並在每個階段應用適當的技術。
• 了解Natural Language Generation (NLG)系統的架構。
• 實施最適合的分析和排序算法與模型。
• 從公開的數據源和策劃的數據庫中提取數據，作為生成文本的材料。
• 用計算機生成的自動化內容創建取代手動且繁瑣的寫作過程。

這種由講師指導的現場培訓（現場或遠程）是針對希望使用spaCy處理大量文本以查找模式和獲得見解的開發人員和數據科學家。

在培訓結束時，參與者將能夠：

• 安裝並配置spaCy。
• 理解spaCy的Natural Language Processing (NLP)方法。
• 從大規模數據源中提取模式並獲得商業見解。
• 將spaCy庫與現有的網絡和遺留應用程序集成。
• 將spaCy部署到實際生產環境中以預測人類行為。
• 使用spaCy對Deep Learning進行文本預處理。

課程格式

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

課程自定義選項

• 如需為本課程定制培訓，請聯繫我們安排。
• 要了解更多關於spaCy的信息，請訪問：https://spacy.io/

在Python Machine Learning中，文本摘要功能能夠讀取輸入文本並生成文本摘要。此功能可通過命令行或Python API/庫使用。一個令人興奮的應用是快速創建執行摘要；這對於需要在生成報告和演示文稿之前審查大量文本數據的組織特別有用。

在這個由講師指導的現場培訓中，參與者將學習如何使用Python創建一個自動生成輸入文本摘要的簡單應用程序。

在培訓結束時，參與者將能夠：

• 使用命令行工具來總結文本。
• 使用Python庫設計和創建文本摘要代碼。
• 評估三個Python摘要庫：sumy 0.7.0、pysummarization 1.0.4、readless 1.0.17

觀眾

• 開發人員
• 數據科學家

課程形式

• 部分講座，部分討論，練習和大量的實踐練習

TensorFlow ™是一個使用數據流圖進行數值計算的開源軟件庫。

SyntaxNet是TensorFlow的神經網絡自然語言處理框架。

Word 2Vec用於學習單詞的矢量表示，稱為“單詞嵌入”。 Word 2vec是一種特別計算有效的預測模型，用於學習原始文本中的單詞嵌入。它有兩種形式，連續Bag-of- Word模型（CBOW）和Skip-Gram模型（Mikolov等人的第3.1和3.2章）。

使用串聯，SyntaxNet和Word 2Vec允許用戶從自然語言輸入生成學習嵌入模型。

聽眾

本課程面向打算在TensorFlow圖中使用SyntaxNet和Word 2Vec模型的開發人員和工程師。

完成本課程後，代表們將：

• 了解TensorFlow的結構和部署機制
• 能夠執行安裝/生產環境/架構任務和配置
• 能夠評估代碼質量，執行調試，監控
• 能夠實現高級生產，如培訓模型，嵌入術語，構建圖形和記錄