聯繫我們

課程簡介

模組 1:介紹與 AI 理論

  • 基於模型的途徑:AI 作為一個工程問題。
  • 揭開機器中的「鬼魅」:AI 是什麼與什麼不是。
  • 技術演進:從 BERT 到 Transformer。
  • 生成領域:分析、創意、研究、影像、音樂和影片。
  • 資料治理:支柱、審計和研究趨勢(多模態、Agents、RAG、LLM vs. SLM)。
  • 黑暗面:倫理、智慧財產權、偏見、幻覺及社會工程學。
  • 風險評估:資料毒化、Nepenthes,以及「降級」人類人才的風險。
  • 模型分類法:基礎模型 vs. 任務特定;封閉式 vs. 開放權重模型。

模組 2:當前格局與工具組

  • 語言模型競技場:比較效能與基準。
  • 專業採購標準:成本、延遲、隱私和供應商鎖定。
  • 大型模型概覽:OpenAI ChatGPT、Perplexity、Gemini 和 Grok。
  • 小眾與小型模型:Manus、SpecKit。
  • 影像生成:Perchance
  • 技術限制:上下文老化 vs. Token 成本。

模組 3:互動 - 提示與情境工程

  • 驗證框架:完整性、一致性與可驗證性。
  • RAG 策略:何時使用檢索增強生成 (Retrieval-Augmented Generation) vs. 微調。
  • AI 投資回報率:維護成本與生產力提升之間的平衡。
  • 高級技術:20 多種提示與 RAG 方法,附帶實際案例。
  • 實驗前沿:三角測量、地圖與地形概覽,以及基於模型的生成。

模組 4:AI 在敏捷專案管理中的應用

  • 超級電腦試飛員:AI 作為自動化引擎。
  • 決策制定:人類責任 vs. AI 協助。
  • AIOps 與 GitOps:將 AI 整合到營運工作流程中。
  • 工具鏈與管線:建立無縫的 AI 驅動環境。
  • 敏捷工件:後備清單、路線圖和需求工程。
  • 精確管理:容量規劃與估算(準確性 vs. 精確度)。
  • 產品擁有權:構想、功能分析,以及 Vibe-coding 風險。
  • 風險與情境:為「如果」做準備及自動化風險管理。
  • 完善:使用案例和使用者故事描述與完善。

 

最低要求

  • 對敏捷宣言和 Scrum 框架有基本了解。
  • 具備專案管理、產品擁有權或團隊領導經驗。
  • 無需先前的程式設計或 AI 工程經驗,但建議具備數位工具的通用熟悉度。

受眾

  • 敏捷專案經理與 Scrum Master。
  • 產品擁有者與產品經理。
  • IT 團隊領導與交付經理。
  • 在敏捷環境中工作的業務分析師。
  • 對 AIOps 感興趣的營運經理。

 

 7 小時

客戶評論 (2)

課程分類