香港現場大型语言模型 (LLMs)培訓

本課程爲講師主導的培訓，在香港（線上或線下）進行，面向希望瞭解LLMs是什麼、探索其對業務運營的潛在影響，並評估AI工具（如ChatGPT、Microsoft Copilot或Grok）在實際任務中的應用的高級管理專業人士，例如內容創作、數據總結和決策支持。

培訓結束後，學員將能夠：

• 瞭解LLMs是什麼，以及ChatGPT和Copilot等工具的工作原理。
• 使用提示技術從LLMs中獲取實用、可靠的結果。
• 評估實際用例，如電子郵件起草、文檔總結和生產力自動化。
• 識別AI採用的戰略應用和投資機會。

本課程爲講師引導的培訓，在香港（線上或線下）進行，面向希望瞭解LLMs和企業AI工具戰略價值的高級管理團隊。參與者將探索如何將這些工具集成到高層工作流程中，撰寫更好的提示，並通過AI採用評估提高生產力和投資回報的機會。

通過本培訓，參與者將能夠：

• 瞭解LLMs的工作原理，以及像ChatGPT和Copilot這樣的工具如何應用它們。
• 使用基於提示的交互來自動化和加速任務。
• 將AI工具應用於實際場景，如郵件撰寫、報告總結和協議審查。
• 評估LLM採用的戰略優勢、侷限性和許可考慮。

本課程爲講師指導的香港（線上或線下）培訓，面向中級到高級的AI研究員、數據科學家和開發者，旨在幫助他們理解、微調和實現Meta AI的大型語言模型，用於各種自然語言處理（NLP）應用。

培訓結束後，學員將能夠：

• 理解Meta AI大型語言模型的架構和工作原理。
• 爲特定用例設置和微調Meta AI的大型語言模型。
• 實現基於大型語言模型的應用，如文本摘要、聊天機器人和情感分析。
• 高效優化和部署大型語言模型。

本次由講師主導的香港培訓（線上或線下）面向中級AI專業人士、業務分析師和技術領導者，旨在幫助他們理解生成式AI的原理以及LLMs在業務環境中的應用。參與者將學習Transformer架構、提示工程以及在部署這些模型時需要考慮的倫理問題。

培訓結束後，參與者將能夠：

• 理解生成式AI和大型語言模型的基本原理。
• 爲特定業務應用實現和微調LLMs。
• 應用提示工程技術以獲得最佳模型輸出。
• 識別倫理考慮並管理LLM部署中的風險。

本課程由講師主導，提供香港（線上或線下）培訓，面向中級AI專業人士、倫理學家、數據科學家和工程師，以及政策制定者和利益相關者，旨在幫助他們理解和應對LLM的道德問題。

通過本培訓，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的社會影響，並緩解潛在風險。
• 制定負責任的AI開發和使用的策略。

這種以講師為主導的香港（在線或現場）現場培訓面向中級 NLP 從業者和數據科學家、內容建立者和翻譯人員，以及希望使用 LLM 進行語言翻譯和創建多語言內容的全球企業。

在培訓結束時，參與者將能夠：

• 瞭解LLM跨語言學習和翻譯的原則。
• 實現 LLM 以在各種語言之間翻譯內容。
• 創建和管理用於訓練 LLM 的多語言數據集。
• 制定保持翻譯一致性和品質的策略。

這種以講師為主導的現場香港（在線或現場）培訓面向希望利用 LLM 進行金融市場分析和預測的中級金融分析師、數據科學家和投資專業人士。

在培訓結束時，參與者將能夠：

• 瞭解LLM在金融市場分析中的應用。
• 使用 LLM 處理財經新聞、報告和數據以獲得市場洞察。
• 開發股票價格、市場趨勢和經濟指標的預測模型。
• 將 LLM 見解整合到投資決策過程中。

這種由講師指導的 香港（在線或現場）現場培訓面向希望使用 LLM 進行環境建模和分析的中級環境科學家和研究人員、數據分析師以及政策制定者和環境宣導者。

在培訓結束時，參與者將能夠：

• 瞭解法學碩士在環境科學中的應用。
• 利用 LLM 對環境數據進行分析和建模。
• 解釋用於環境影響評估的 LLM 輸出。
• 有效地傳達調查結果，為政策和保護工作提供資訊。

本課程爲講師指導的線下或線上培訓，面向中級水平的VR和AR開發者、遊戲設計師及AI工程師，旨在幫助他們將LLM（大語言模型）融入VR和AR應用中，以創建更具吸引力和響應性的環境。

培訓結束後，學員將能夠：

• 理解LLM在創建沉浸式VR和AR體驗中的作用。
• 開發利用LLM進行互動對話和內容生成的VR和AR應用。
• 將LLM與VR和AR開發工具集成，以增強用戶參與度。
• 應用最佳實踐，設計虛擬空間中的AI驅動敘事和互動。

這種以講師為主導的 香港（在線或現場）現場培訓面向希望將 Large Language Models (LLMs) 應用於高級 AI 應用程式的多模態數據的中級數據科學家、機器學習工程師和軟體開發人員。

在培訓結束時，參與者將能夠：

• 瞭解使用LLM進行多模態學習的原理。
• 實現 LLM 以處理和分析文字、圖像和音訊數據。
• 開發利用多模態數據集成優勢的應用程式。
• 評估多模式 LLM 系統的性能。

這種以講師為主導的 香港（在線或現場）現場培訓面向希望利用 LLM 來增強網路安全措施和威脅情報的中級網路安全專業人員和數據科學家。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 在網路安全中的作用。
• 實現用於威脅檢測和分析的 LLM。
• 利用 LLM 實現安全自動化和回應。
• 將 LLM 與現有安全基礎架構整合。

這種以講師為主導的 香港（在線或現場）現場培訓面向希望利用大型語言模型 （LLM） 預測各個行業的趨勢和行為的中級數據科學家和業務分析師。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 的基礎知識及其在預測分析中的作用。
• 實施 LLM 來分析和預測各個行業的數據。
• 使用 LLM 評估預測模型的有效性。
• 將 LLM 與現有數據處理管道集成。

這種以講師為主導的 香港（在線或現場）現場培訓面向希望獲得 Large Language Models (LLMs) 和 Reinforcement Learning （RL） 全面理解和實踐技能的中級數據科學家。

在培訓結束時，參與者將能夠：

• 瞭解變壓器模型的元件和功能。
• 針對特定任務和應用程式優化和微調 LLM。
• 瞭解強化學習的核心原則和方法。
• 瞭解強化學習技術如何提高 LLM 的性能。

這種以講師為主導的現場培訓香港（在線或現場）面向希望利用 LLM 的力量在各個領域生成高品質、多樣化和引人入勝的內容的中級內容創作者、營銷人員和教育技術人員。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 的功能及其在內容生成中的應用。
• 設置和使用 LLM 來生成各種類型的內容。
• 應用最佳實踐來提示和微調 LLM 以產生所需的輸出。
• 評估 AI 生成內容的品質，並針對特定受眾進行優化。
• 探索使用 LLM 生成創意和多模態內容的高級技術。

這種以講師為主導的香港（在線或現場）現場培訓面向具有不同經驗和專業知識水準的教育工作者、教育技術專業人士和研究人員，他們希望利用 LLM 來創造個人化的教育體驗。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 的體系結構和功能。
• 使用 LLM 確定教育內容個人化的機會。
• 設計利用 LLM 進行內容個人化的自適應學習平臺。
• 實施 LLM 驅動的策略，以提高學生的參與度和學習成果。
• 評估 LLM 在教育環境中的有效性，並做出數據驅動的決策

本課程由講師主導，提供香港（線上或線下）培訓，面向中級ML從業者和AI開發者，他們希望微調並部署如LLaMA、Mistral和Qwen等開源模型，用於特定業務或內部應用。

培訓結束後，學員將能夠：

• 瞭解開源LLM的生態系統及差異。
• 爲LLaMA、Mistral和Qwen等模型準備數據集和微調配置。
• 使用Hugging Face Transformers和PEFT執行微調管道。
• 在安全環境中評估、保存和部署微調後的模型。

這種以講師為主導的香港（在線或現場）現場培訓面向希望在語音辨識和合成系統中實施 LLM 的初級到中級軟體開發人員和數據科學家。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 在語音技術中的作用。
• 實現 LLM 以實現準確的語音辨識和自然的語音合成。
• 將 LLM 與語音辨識引擎和語音合成器整合。
• 使用 LLM 評估和改進語音系統的性能。
• 隨時瞭解語音技術的當前趨勢和未來方向。

這種以講師為主導的 香港（在線或現場）實時培訓面向希望實施 LLM 以創建回應迅速且智慧的客戶支援聊天機器人的初級到中級客戶支援和 IT 專業人員。

在培訓結束時，參與者將能夠：

• 瞭解 Large Language Models (LLMs) 的基礎知識和架構。
• 設計 LLM 並將其整合到客戶支援系統中。
• 增強聊天機器人的回應能力和用戶體驗。
• 解決道德考慮並確保符合行業標準。
• 為實際應用程式部署和維護基於 LLM 的聊天機器人。

本次由講師指導的香港培訓（線上或線下）面向中級數據科學家和AI工程師，旨在幫助他們使用LoRA、Adapter Tuning和Prefix Tuning等方法，以更經濟和高效的方式微調大語言模型。

培訓結束後，參與者將能夠：

• 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方法與全微調在性能和成本上的權衡。
• 以更低的計算和存儲需求部署和擴展微調後的LLMs。

本次由講師主導的培訓在香港（線上或線下）面向中高級機器學習工程師、AI開發人員和數據科學家，旨在幫助他們學習如何使用QLoRA高效地微調大模型，以完成特定任務和定製化需求。

通過本培訓，參與者將能夠：

• 理解QLoRA和LLMs量化技術的理論基礎。
• 在微調大語言模型時實現QLoRA，以應用於特定領域。
• 通過量化優化微調性能，利用有限的計算資源。
• 高效地部署和評估微調模型在實際應用中的表現。

這種以講師為主導的 香港（在線或現場）現場培訓面向希望應用 LLM 來分析和解釋來自各種文本來源（如社交媒體帖子、產品評論和客戶反饋）的公眾情緒的中級數據和營銷專業人士。

在培訓結束時，參與者將能夠：

• 了解情緒分析的原理及其使用 LLM 的應用。
• 預處理和準備用於情緒分析的數據集。
• 訓練和微調 LLM 以準確反映文字中的情緒。
• 即時分析來自社交媒體和其他文本來源的情緒。
• 將情緒分析結果整合到業務戰略和決策流程中。

這種以講師為主導的 香港（在線或現場）現場培訓面向希望利用 LLM 來簡化其編碼工作流程並創建詳細、全面的文檔的中級軟體開發人員和技術作家。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 在自動化代碼生成和軟體文檔方面的作用。
• 利用 LLM 建立準確高效的代碼片段和文檔。
• 將 LLM 整合到其軟體開發生命週期中，以提高生產力。
• 使用自動化工具維護高品質的文件標準。
• 解決在軟體開發中使用 AI 的道德考慮和最佳實踐。

這種以講師為主導的香港（在線或現場）現場培訓面向希望利用 LLM 的力量來提取業務見解的中級業務專業人員和數據分析師。

在培訓結束時，參與者將能夠：

• 瞭解 LLM 在商業智慧環境中的基礎知識和應用。
• 應用 LLM 來分析大型數據集並提取有意義的見解。
• 將 LLM 驅動的分析整合到戰略業務決策流程中。
• 評估在業務中使用 LLM 的道德考慮和最佳實踐。
• 預測 AI 的未來趨勢，並為不斷發展的商業智慧環境做好準備。

這種以講師為主導的現場培訓（線上或現場）面向希望掌握 LlamaIndex 來開發由 LLM 驅動的創新應用程式的中級到高級開發人員和資料科學家。

在培訓結束時，參與者將能夠：

• 設置和配置 LlamaIndex 以用於 LLM。
• 使用 LlamaIndex 索引和查詢自訂數據集以增強 LLM 功能。
• 設計和開發利用 LlamaIndex 和 LLM 的複雜應用程式。
• 了解並應用使用 LLM 和 LlamaIndex 的最佳實踐。
• 瞭解部署 LLM 支援的應用程式所涉及的道德注意事項。

本次由講師指導的線下培訓（線上或線下）面向中級水平的AI研究員、機器學習專業人士和數據科學家，旨在幫助他們使用LlamaIndex增強AI模型的能力，使其在各種應用中更加準確和可靠。

培訓結束後，學員將能夠：

• 理解LlamaIndex的原理和組件。
• 爲LLMs（大型語言模型）攝取和結構化數據。
• 實施上下文增強以提高AI模型的性能。
• 將LlamaIndex集成到現有的AI系統和工作流程中。

本課程爲講師指導的即時培訓，在香港（線上或線下）進行，面向希望利用提示工程和少樣本學習來優化LLM性能的中級專業人士。

培訓結束後，學員將能夠：

• 理解提示工程和少樣本學習的原理。
• 爲各種NLP任務設計有效的提示。
• 利用少樣本技術以最少的數據適應LLMs。
• 爲實際應用優化LLM性能。

本培訓由講師指導，提供線上或線下培訓，面向希望實施大語言模型（LLM）系統以進行自動化翻譯、質量評估和企業治理的高級工程師、AI專家和本地化負責人。

培訓結束後，參與者將能夠：

• 構建企業級LLM本地化管道，集成開源和專有模型。
• 實施自動化QA工作流程和質量指標，確保翻譯一致性。
• 建立多語言內容生產的治理和審批框架。
• 在安全環境中部署可擴展、可審計的基於LLM的本地化系統。

AI for SQL 是將人工智能和大語言模型（LLMs）應用於自動化、優化和增強SQL查詢在企業數據環境中的生成、執行和解釋方式。

本課程爲講師指導的培訓（線上或線下），面向中級數據工程師和技術主管，旨在幫助他們將AI能力集成到SQL工作流中，實現自然語言查詢、智能優化和自動化數據分析。

通過本培訓，參與者將能夠：

• 將GPT、DeepSeek、LLaMA、Qwen和Mistral等大語言模型集成到SQL環境中。
• 構建自然語言到SQL的管道，實現對話式數據訪問。
• 實施AI驅動的查詢優化和錯誤檢測。
• 設計安全、可審計的AI-SQL工作流，供企業使用。

課程形式

• 互動講座與討論。
• 大量練習與實踐。
• 在即時實驗室環境中進行動手操作。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

本次由講師主導的培訓（線上或線下）面向中級AI開發者和本地化工程師，旨在幫助他們使用專有和開源的LLMs設計可擴展的自動化翻譯管道。

培訓結束後，學員將能夠：

• 使用現代LLM框架和API設計和部署翻譯工作流。
• 將開源和商業模型集成到可擴展的翻譯系統中。
• 通過微調、提示工程和自動化優化翻譯質量。
• 爲企業環境實施成本效益高且合規的翻譯基礎設施。

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。

本次由講師指導的培訓在香港（線上或線下）進行，面向中級開發者，旨在幫助他們學習如何將生成式AI與LLMs應用於各種任務和領域。

培訓結束後，參與者將能夠：

• 解釋生成式AI是什麼及其工作原理。
• 描述驅動LLMs的Transformer架構。
• 使用經驗縮放法則針對不同任務和約束優化LLMs。
• 應用最先進的工具和方法訓練、微調和部署LLMs。
• 討論生成式AI對社會和商業的機遇與風險。

LLM和自主代理框架（如AutoGen和CrewAI）正在重新定義DevOps團隊如何通過模擬類人協作和決策，自動化變更跟蹤、測試生成和警報分類等任務。

本次由講師主導的培訓（線上或線下）面向希望設計和實施由大語言模型（LLM）和多代理系統驅動的DevOps自動化工作流的高級工程師。

培訓結束後，參與者將能夠：

• 將基於LLM的代理集成到CI/CD工作流中，實現智能自動化。
• 使用代理自動化測試生成、提交分析和變更摘要。
• 協調多個代理進行警報分類、生成響應和提供DevOps建議。
• 使用開源框架構建安全且可維護的代理驅動工作流。

課程形式

• 互動講座與討論。
• 大量練習與實踐。
• 在實驗環境中進行實操。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

本次由講師指導的培訓在香港（線上或線下）面向中高級AI開發者、架構師和產品經理，旨在幫助他們識別和緩解與LLM應用相關的風險，包括提示注入、數據泄露和未經過濾的輸出，同時融入安全控制措施，如輸入驗證、人工監督和輸出防護。

通過本次培訓，參與者將能夠：

• 理解基於LLM系統的核心漏洞。
• 將安全設計原則應用於LLM應用架構。
• 使用如Guardrails AI和LangChain等工具進行驗證、過濾和安全性控制。
• 將沙盒、紅隊測試和人工審覈等技術集成到生產級流程中。

本課程由講師主導，提供香港的線上或線下培訓，面向希望爲特定任務和數據集定製預訓練模型的中高級專業人員。

培訓結束後，學員將能夠：

• 理解微調的原理及其應用。
• 爲微調預訓練模型準備數據集。
• 爲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。

LLMs 用於代碼理解、重構與文檔編寫是一門技術課程，專注於應用大語言模型（LLMs）來提高代碼質量、減少技術債務，並自動化軟件團隊中的文檔編寫任務。

本課程爲講師指導的線下或線上培訓，面向希望使用 GPT 等 LLMs 更有效地分析、重構和記錄複雜或遺留代碼庫的中高級軟件專業人員。

培訓結束後，學員將能夠：

• 使用 LLMs 解釋代碼、依賴項和邏輯，理解不熟悉的代碼庫。
• 識別並重構反模式，提高代碼可讀性。
• 自動生成和維護內聯註釋、README 文件和 API 文檔。
• 將 LLM 驅動的洞察集成到現有的 CI/CD 和審查工作流中。

課程形式

• 互動講座與討論。
• 大量練習與實踐。
• 在即時實驗環境中進行動手操作。

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。

這種由講師指導的現場培訓香港（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。

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。

本次由講師指導的線下或線上培訓面向初學者級別的開發者、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、調用工具和維護內存的提示鏈。
• 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，確保其可靠性和安全性。

課程形式

• 互動講座與引導討論。
• 在沙盒環境中進行指導實驗和代碼講解。
• 基於場景的設計、測試和評估練習。

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 香港 現場培訓（在線或現場）面向希望使用大型語言模型完成各種自然語言任務的初級到中級開發人員。

在本次培訓結束時，參與者將能夠：

• 設置包含常用 LLM 的開發環境。
• 創建基本 LLM 並在自訂數據集上對其進行微調。
• 將 LLM 用於不同的自然語言任務，例如文本摘要、問答、文字生成等。
• 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具調試和評估 LLM。

在 香港（線上或線下）進行的這場由講師引導的即時培訓，旨在幫助希望將大語言模型 (LLM) 和 AI 集成到其監控、告警及事件分析工作流中的觀測性和 SRE 工程師。

本次由導師授課、在香港進行的（online or onsite）即時培訓，旨在幫助希望利用AI工具和自動化平臺優化支持流程、統一響應標準並減少人工文檔工作的IT支持專業人員。

這堂在香港進行的講師主導的現場培訓（線上或線下）面向希望使用騰訊混元部署大型和MoE模型，以降低延遲、增強吞吐量並更好地控制成本的中高級工程師和架構師。

完成本課程後，學員將能夠：解釋混元生產部署模式，優化推理性能，實現批處理和量化策略，並規劃可擴展的服務操作。

本講師主導的 香港（線上或線下）現場培訓，面向中級開發人員、技術產品團隊以及希望使用 Hunyuan 模型爲圖像、3D 和視頻生成及交付創建多模態應用的 AI 從業者。

通過本課程的學習，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，通過應用程序或 API 提供輸出，並將 Hunyuan 的能力連接到企業產品堆棧。

課程目標turn軟件/AI工程師轉型爲法律工程師——即能夠真正爲法律工作（電子發現、審查、調查）構建AI系統的人才。

在兩天時間內，學員將構建核心基礎架構：攝取並提取雜亂的真實世界法律數據，進行搜索與檢索，加入帶引文的檢索增強生成（RAG），利用本地模型確保私密性並提供證明，運行具備法庭適用指標的可辯護AI審查，並將成果打包以供部署。

本在香港舉辦的講師主導的現場培訓（線上或線下），面向希望利用MCP將AI助手與外部工具、數據及企業服務連接的初級/中級/高級AI專業人士。

通過本課程，學員將能夠：解釋MCP概念，識別關鍵架構組件，搭建基礎集成，並應用安全最佳實踐。

此類在香港開展的由講師指導的即時培訓（線上或線下）面向中級企業架構師，旨在幫助他們利用模型上下文協議設計安全、可擴展且可治理的智能體集成平臺，以適用於企業環境。

完成本課程後，學員將能夠：解釋MCP架構及企業模式、設計安全的集成平臺、應用治理與訪問控制，並評估部署和擴展選項。

本次由講師指導的培訓香港（線上或線下）面向中級開發者、架構師和平臺工程師，他們希望通過MCP構建可靠的企業部署和操作服務器和客戶端。

培訓結束後，學員將能夠：解釋MCP架構的實際應用，構建生產就緒的集成，部署和觀察MCP服務，並應用版本控制、彈性和支持模式。

該在香港提供的線上或線下講師主導培訓，適合中級IT領導、合規專家、安全團隊和企業架構師。學員將學習運用自主AI原則與治理實踐，設計能保護敏感數據、支持本地化要求並減少供應商鎖定風險的AI環境。

完成培訓後，參與者將能夠：解釋自主AI概念，評估託管與治理選項，定義針對提示詞和日誌的控制措施，並制定實用的採納路線圖。