課程簡介

開源大語言模型(LLM)簡介

  • DeepSeek、Mistral、LLaMA 及其他開源模型概述
  • LLM 的工作原理:Transformers、自注意力機制與訓練
  • 開源 LLM 與專有模型的比較

LLM 的微調與定製

  • 微調數據準備
  • 使用 Hugging Face 訓練和優化 LLM
  • 模型性能評估與偏差緩解

使用 LLM 構建 AI 代理

  • LangChain 簡介:AI 代理開發
  • 設計基於 LLM 的代理工作流
  • 記憶、檢索增強生成(RAG)與動作執行

部署基於 LLM 的 AI 代理

  • 使用 Docker 容器化 AI 代理
  • 將 LLM 集成到企業應用中
  • 使用雲服務和 API 擴展 AI 代理

企業 AI 中的安全與合規

  • 倫理考量與法規合規
  • 緩解 AI 驅動自動化中的風險
  • 監控與審計 AI 代理行爲

案例研究與實際應用

  • LLM 驅動的虛擬助手
  • AI 驅動的文檔自動化
  • 企業分析中的定製 AI 代理

優化與維護基於 LLM 的代理

  • 持續模型改進與更新
  • 部署監控與反饋循環
  • 成本優化與性能調優策略

總結與下一步

最低要求

  • 深入瞭解AI和機器學習
  • 具備Python編程經驗
  • 熟悉大語言模型(LLMs)和自然語言處理(NLP)

受衆

  • AI工程師
  • 企業軟件開發人員
  • 企業領導者
 21 時間:

人數


每位參與者的報價

客戶評論 (1)

Upcoming Courses

課程分類