課程簡介

開源LLM介紹

  • 開源模型概述DeepSeek、Mistral、LLaMA及其他模型
  • LLM的工作原理:變壓器、自我注意力和訓練
  • 開源LLM與專有模型的比較

調整Fine-Tuning和定制LLM

  • 微調的數據準備
  • 使用Hugging Face訓練和優化LLM
  • 評估模型性能和偏見緩解

使用LLM構建AI Agents

  • AI代理開發入門LangChain
  • 用LLM設計基於代理的工作流程
  • 記憶、檢索增強生成(RAG)和行動執行

部署基於LLM的AI Agents

  • 用Docker為AI代理容器化
  • 將LLM集成到企業應用程序中
  • 用雲服務和API擴展AI代理

企業AI中的安全性和合規性

  • 倫理考慮和法規遵從
  • 減輕AI驅動的自動化中的風險
  • 監控和審計AI代理行為

案例研究和實際應用

  • LLM驅動的虛擬助手
  • AI驅動的文檔自動化
  • 用於企業分析的定制AI代理

優化和維護基於LLM的代理

  • 持續的模型改進和更新
  • 部署監控和反饋循環
  • 成本優化和性能調優的策略

總結和結論

最低要求

  • 對人工智慧和機器學習有深入了解
  • 具備Python程式設計經驗
  • 熟悉大型語言模型(LLMs)和自然語言處理(NLP)

觀眾

  • AI工程師
  • 企業軟體開發人員
  • Business領導者
 21 時間:

人數


每位參與者的報價

Provisional Upcoming Courses (Require 5+ participants)

課程分類