線上 AI Engineering 培訓在 澳門

CloudMatrix 是華爲統一的 AI 開發和部署平臺，旨在支持可擴展的生產級推理管道。

本課程由講師主導，採用線上或線下培訓形式，面向初級到中級 AI 專業人員，幫助他們使用 CloudMatrix 平臺與 CANN 和 MindSpore 集成來部署和監控 AI 模型。

在培訓結束時，參與者將能夠：

• 使用 CloudMatrix 進行模型打包、部署和服務。
• 轉換和優化模型以適應 Ascend 芯片組。
• 爲即時和批量推理任務設置管道。
• 在生產環境中監控部署並調整性能。

課程形式

• 互動式講座和討論。
• 在實際部署場景中動手使用 CloudMatrix。
• 專注於轉換、優化和擴展的指導練習。

課程定製選項

• 如需根據您的 AI 基礎設施或雲環境定製本課程，請聯繫我們進行安排。

本課程爲講師主導的培訓（線上或線下），面向中級到高級的AI專業人員和軟件開發人員，旨在幫助他們使用AI和ML構建智能應用。

培訓結束後，學員將能夠：

• 理解AI和ML背後的高級概念和技術。
• 分析和可視化數據，爲AI/ML模型的開發提供信息。
• 有效構建、訓練和部署AI/ML模型。
• 創建能夠解決實際問題的智能應用。
• 評估AI應用在各行業中的倫理影響。

這種由講師指導的現場培訓澳門（在線或現場）面向希望掌握智慧應用程式複雜性並利用它們解決複雜現實問題的中級到高級數據科學家、工程師和 AI 從業者。

在培訓結束時，參與者將能夠：

• 實施和分析深度學習架構。
• 在分散式計算環境中大規模應用機器學習。
• 設計和執行用於決策的強化學習模型。
• 開發用於語言理解的複雜 NLP 系統。
• 利用計算機視覺技術進行圖像和視頻分析。
• 解決人工智慧系統開發和部署中的倫理考慮。

本次由講師指導的線下或線上培訓，面向初級到中級水平的AI工程師和軟件開發人員，旨在幫助他們獲得對AI工程原理和實踐的基礎理解。

培訓結束後，參與者將能夠：

• 理解AI和機器學習的核心概念與技術。
• 使用TensorFlow和PyTorch實現基本的機器學習模型。
• 應用AI技術解決軟件開發中的實際問題。
• 使用AI工程中的最佳實踐管理和維護AI項目。
• 認識開發AI系統涉及的倫理問題和責任。

Biren AI 加速器是專爲 AI 和高性能計算（HPC）工作負載設計的高性能 GPU，支持大規模訓練和推理。

本課程爲講師主導的培訓（線上或線下），面向中級到高級開發者，旨在教授如何使用 Biren 的專有 GPU 棧進行編程和優化，並與基於 CUDA 的環境進行實際對比。

在本課程結束時，學員將能夠：

• 理解 Biren GPU 架構和內存層次結構。
• 搭建開發環境並使用 Biren 的編程模型。
• 轉換並優化基於 CUDA 的代碼以適用於 Biren 平臺。
• 應用性能調優和調試技術。

課程形式

• 互動式講座與討論。
• 在示例 GPU 工作負載中實踐使用 Biren SDK。
• 專注於移植和性能調優的指導練習。

課程定製選項

• 如需根據您的應用棧或集成需求定製本課程，請聯繫我們安排。

這種以講師為主導的 澳門（在線或現場）現場培訓面向希望獲得智慧應用程式以及如何將其應用於各個行業的初級 IT 專業人員。

在培訓結束時，參與者將能夠：

• 瞭解人工智慧的歷史、原理和影響。
• 識別並應用不同的機器學習演算法。
• 有效地管理和分析 AI 應用程式的數據。
• 認識到人工智慧在不同領域的實際應用和局限性。
• 討論人工智慧技術的倫理考慮和社會影響。

這門爲期兩天的動手實踐課程，旨在幫助學員掌握實用技能，以便在技術和運營工作中有效、安全、一致地使用生成式人工智能工具。培訓重點在於將AI轉變爲可靠的日常助手，用於起草和改進文檔、構建需求、加速分析與報告、支持問題解決，並簡化跨職能溝通。學員將學習經過驗證的提示模式、減少錯誤和“幻覺”的驗證技術，以及保護機密信息和知識產權的輕量級治理實踐。課程旨在產出立即可用的模板、工作流程，以及一套可重複的AI輔助工作方法。

AI正迅速成爲現代產品管理的基礎，改變了我們如何發現客戶需求、定義解決方案並做出決策。正如電力革命改變了工業，人工智能正在重塑產品的構建、驗證和演進方式。

本次由講師主導的培訓（線上或線下）面向希望瞭解如何利用AI增強產品所有權和決策能力的產品負責人、Scrum Master和敏捷教練。

培訓結束後，參與者將能夠：

• 理解人工智能的基礎知識，並區分傳統AI與生成式AI（GenAI）。
• 應用產品負責人的七種優選立場（包括新的協調者立場），並利用AI強化每種立場，如願景者、實驗者或客戶代表。
• 掌握有效的提示技巧，將AI工具視爲具備專業技能的智能協作者。
• 深化客戶理解，創建AI支持的角色用於假設測試和發現，同時保持與客戶的真實聯繫。
• 使用結構化框架（如3x3框架）開發和傳達清晰的產品願景，利用AI塑造和可視化敘述。
• 使用生成式AI工具加速原型設計和假設測試，例如生成模擬圖或產品概念。
• 通過AI工具分析、優先排序和評估功能，支持產品決策，基於價值、可行性和用戶影響。
• 使用AI自動化或委派日常任務（如郵件、利益相關者管理、筆記記錄），專注於戰略性和創造性工作。
• 領導關於AI倫理、偏見和數據安全的討論，確保負責任和可持續的AI採用。
• 識別並設計符合特定產品和組織背景的有價值AI用例。
• 探索並實驗約20種不同的AI工具和模型，從生產力助手和原型設計平臺到生成式視頻、圖像和編碼解決方案。