感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
1. AI工程簡介
- 什麼是AI工程?
- AI、機器學習與深度學習的區別
- AI工程的開發生命週期
- AI在各行業中的應用
- AI工程師的職責
2. 人工智能基礎
- 核心概念與術語
- 監督學習、無監督學習與強化學習
- 神經網絡與深度學習基礎
- 生成式AI與基礎模型概述
- AI開發生態系統及框架
3. AI工程中的Python
- AI必備Python庫
- NumPy、Pandas和Matplotlib
- 數據操作與可視化
- Jupyter Notebooks的使用
- 編寫可複用的AI代碼
4. AI的數據準備
- 數據集收集與理解
- 數據清洗與預處理
- 特徵工程
- 特徵縮放與歸一化
- 數據集劃分(訓練集、驗證集、測試集)
- 處理缺失值與異常值
5. 機器學習基礎
- 迴歸算法
- 分類算法
- 聚類技術
- 模型訓練工作流
- 模型評估指標
- 防止過擬合與欠擬合
6. 使用TensorFlow和PyTorch構建AI模型
- TensorFlow簡介
- PyTorch簡介
- 構建神經網絡
- 模型訓練與驗證
- 保存與加載模型
- 對比兩大框架
7. 自然語言處理(NLP)基礎
- 文本預處理
- 詞嵌入(Word Embeddings)
- 文本分類
- 情感分析
- Transformer模型簡介
- NLP實際應用案例
8. AI在軟件開發中的應用
- AI集成至現有應用
- 通過API調用AI服務
- 開發AI驅動的應用程序
- AI輔助軟件開發工具
- 測試AI賦能應用的方法
9. AI工程最佳實踐
- 項目組織結構
- Git版本控制
- 實驗追蹤
- 模型版本管理
- 文檔規範
- AI項目的可復現性
10. AI模型部署
- 模型序列化
- 構建推理服務
- AI模型的REST API
- Docker在AI部署中的應用簡介
- 已部署模型的監控
- 模型維護與更新
11. AI數據工程
- 數據管道(Data Pipelines)
- ETL流程
- 結構化與非結構化數據管理
- 數據存儲方案
- 數據質量管理
- 構建生產就緒型數據集
12. 負責任與合乎倫理的AI
- AI偏見與公平性
- 可解釋AI(XAI)
- 隱私與數據保護
- AI安全考量
- 負責任地開發AI
- 法規與治理合規要求
13. AI項目管理
- AI項目生命週期
- AI項目的敏捷方法論
- 技術與業務團隊的協作
- AI項目估算
- 風險管理
- 衡量項目成功指標
14. AI工程實戰工坊與未來趨勢
- 搭建完整的AI開發工作流
- 構建端到端的機器學習項目
- 使用TensorFlow或PyTorch訓練及評估模型
- 部署簡單的AI應用程序
- AI工程當前趨勢
- 生成式AI與大型語言模型(LLMs)
- MLOps與AI自動化
- 職業發展路徑與持續學習
- 總結、答疑及後續步驟
最低要求
- 具備基礎編程概念知識
- 擁有Python編程經驗
- 熟悉基本統計與線性代數
目標學員
- AI工程師
- 軟件開發者
- 數據分析師
14 小時
客戶評論 (2)
所提供的廣泛工具選擇
Miruna Buzduga - Aeronamic Eastern Europe
課程 - AI Enablement Training for Engineers
機器翻譯
逐步進行的培訓,包含大量練習。這就像一場研討會,我對此感到非常高興。
Ireneusz - Inter Cars S.A.
課程 - Intelligent Applications Fundamentals
機器翻譯