hong-kong現場大型语言模型 (LLMs)培訓

本課程爲講師主導的培訓，在hong-kong（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。

本課程為授課式，培訓形式為hong-kong，線上或線下，專為希望了解LLM及企業級AI工具戰略價值的高階管理團隊設計。參與者將探討如何將這些工具整合至高階工作流程、撰寫更優質的提示詞，並評估透過導入AI來提升生產力及投資回報率（ROI）的機會。

完成本課程後，參與者將能夠：

• 理解LLM的運作原理，以及ChatGPT和Copilot等工具如何應用之。
• 利用基於提示詞的互動，自動化並加速任務處理。
• 將AI工具應用於實際場景，例如撰寫電子郵件、總結報告及審查合約。
• 評估導入LLM的戰略益處、局限性及授權考量。

本課程爲講師指導的hong-kong（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hong-kong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hong-kong（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hong-kong（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。

本課程為講師引導式培訓，地點為 hong-kong（線上或線下），適合中階金融分析師、數據科學家及投資專業人士，旨在運用LLMs進行金融市場分析與預測。

完成本培訓後，學員將能：

• 理解LLMs在金融市場分析中的應用。
• 使用LLMs處理金融新聞、報告與數據，以獲取市場洞察。
• 開發用於股價、市場趨勢及經濟指標的預測模型。
• 將LLMs洞察整合至投資決策流程。

這種由講師指導的 hong-kong（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 hong-kong（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 hong-kong（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 hong-kong（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 hong-kong（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hong-kong（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hong-kong（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hong-kong（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hong-kong（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 hong-kong（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。

本課程由講師帶領，在hong-kong提供線上或線下即時培訓。旨在幫助中階數據科學家與AI工程師，利用LoRA、適配器微調及前綴微調等方法，以更經濟、高效的方式微調大語言模型。

完成培訓後，學員將能夠：

• 理解參數高效微調方法背後的理論基礎。
• 使用Hugging Face PEFT實現LoRA、適配器微調及前綴微調。
• 比較PEFT方法與全參數微調在性能與成本上的權衡。
• 部署並擴展微調後的大語言模型，降低計算與存儲需求。

本次由講師主導的培訓在hong-kong（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 hong-kong（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 hong-kong（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hong-kong（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hong-kong（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。

此課程為授課者指導的線上或線下培訓，主要面向高級工程師、AI專家與本地化主管。旨在協助其實施大型語言模型（LLM）系統，以實現自動翻譯、品質評估及企業治理。

完成本培訓後，參與者將能夠：

• 建置整合開放與專有模型的大企業級LLM本地化流程。
• 實施自動化QA工作流與品質指標，確保翻譯一致性。
• 為多語言內容生產建立治理與核准框架。
• 在安全環境中部署可擴展、可稽核的LLM本位本地化系統。

這是由講師帶領的 hong-kong 培訓課程，旨在讓資料工程師掌握將 LLM 整合至 SQL 環境的技能。學員將構建自然語言管道，實施 AI 驅動的優化，並設計安全的企業級工作流程以實現自動化數據分析。

此為講師主導的培訓課程（線上或線下），面向中级AI開發人員與本地化工程師。課程旨在幫助學員設計可擴展的自動化翻譯管道，並結合專有與開源LLM。

完成培訓後，學員將能夠：

• 使用現代LLM框架與API設計並部署翻譯工作流程。
• 將開源與商業模型整合至可擴展的翻譯系統。
• 透過微調、提示工程與自動化手段優化翻譯品質。
• 為企業環境實施具成本效益且合規的翻譯基礎設施。

本次由講師指導的培訓在hong-kong（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。

透過此在 hong-kong 舉行的講師授課實時培訓，掌握 Postgres 中的 AI 整合。學習配置擴充功能、實現 pgvector 嵌入，並連接 LLM 以獲取即時洞察。在動手實作的實驗環境中最佳化查詢，建構智能系統。

本次由講師指導的培訓在hong-kong（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hong-kong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。

這種由講師指導的現場培訓hong-kong（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 hong-kong 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 hong-kong（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hong-kong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hong-kong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 hong-kong（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hong-kong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hong-kong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hong-kong（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hong-kong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。