課程簡介

AI軟件開發入門

  • 生成式AI與Predictive AI的區別
  • AI在編碼、分析和自動化中的應用
  • LLM、transformer和深度學習模型概述

AI輔助編碼與Predictive開發

  • AI驅動的代碼補全與生成(GitHub Copilot, CodeGeeX)
  • 在部署前預測代碼錯誤與漏洞
  • 自動化代碼審查與優化建議

爲軟件應用構建Predictive模型

  • 理解時間序列預測與Predictive分析
  • 實現需求預測與異常檢測的AI模型
  • 使用Python、Scikit-learn和TensorFlow進行Predictive建模

生成式AI用於文本、代碼與圖像生成

  • 使用GPT、LLaMA等LLM
  • 生成合成數據、文本摘要與文檔
  • 使用擴散模型創建AI生成的圖像與視頻

在現實應用中部署AI模型

  • 使用Hugging Face、AWS和Google Cloud託管AI模型
  • 爲業務應用構建基於API的AI服務
  • 針對特定領域任務微調預訓練AI模型

AI用於Predictive業務洞察與決策

  • AI驅動的商業智能與客戶分析
  • 預測市場趨勢與消費者行爲
  • 使用AI自動化工作流程優化

倫理AI與開發中的最佳實踐

  • AI輔助決策中的倫理考量
  • AI模型中的偏見檢測與公平性
  • 可解釋與負責任AI的最佳實踐

實踐工作坊與案例研究

  • 爲真實數據集實現Predictive分析
  • 構建基於文本生成的AI聊天機器人
  • 部署基於LLM的自動化應用

總結與下一步

  • 關鍵要點回顧
  • 進一步學習的AI工具與資源
  • 最終問答環節

最低要求

  • 瞭解基本的軟件開發概念
  • 具備任何編程語言的經驗(推薦Python)
  • 熟悉機器學習或AI基礎知識(推薦但不強制)

受衆

  • 軟件開發人員
  • AI/ML工程師
  • 技術團隊負責人
  • 對AI驅動應用感興趣的產品經理
 21 時間:

人數


每位參與者的報價

Upcoming Courses

課程分類