感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
1. AI工程簡介
- 什麼是AI工程?
- AI、機器學習與深度學習的差異
- AI工程生命週期
- 各產業中的AI應用
- AI工程師的角色與責任
2.人工智慧基礎
- 核心AI概念與術語
- 監督式學習、非監督式學習與增強學習
- 神經網路與深度學習基礎
- 生成式AI與基礎模型概覽
- AI開發生態系與框架
3.用於AI工程的Python
- AI必備的Python函式庫
- NumPy、Pandas和Matplotlib
- 資料處理與視覺化
- 使用Jupyter Notebooks進行開發
- 編寫可重複使用的AI程式碼
4.AI數據準備
- 收集與理解資料集
- 資料清洗與預處理
- 特徵工程
- 特徵縮放與標準化
- 將資料集劃分為訓練、驗證與測試集
- 處理缺失值與異常值
5.機器學習基礎
- 迴歸演算法
- 分類演算法
- 叢集技術
- 模型訓練工作流程
- 模型評估指標
- 防止過擬合與欠擬合
6.使用TensorFlow和PyTorch構建AI模型
- TensorFlow簡介
- PyTorch簡介
- 創建神經網路
- 模型訓練與驗證
- 模型的保存與加載
- 比較兩個框架
7.自然語言處理基礎
- 文本預處理
- 詞嵌入
- 文本分類
- 情感分析
- Transformer模型簡介
- 實際NLP應用
8.軟體開發中的AI
- 將AI整合至現有應用程式
- 通過API調用AI服務
- 開發AI驅動的應用程式
- AI輔助軟體開發工具
- 測試具備AI功能的應用程式
9.AI工程最佳實務
- 專案組織
- 使用Git進行版本控制
- 實驗追蹤
- 模型版本管理
- 文件標準化
- AI專案的可重複性
10.AI模型部署
- 模型序列化
- 構建推理服務
- AI模型的REST APIs
- Docker用於AI部署簡介
- 監控已部署的模型
- 模型的維護與更新
11.AI數據工程
- 資料管線
- ETL流程
- 管理結構化與非結構化資料
- 資料儲存選項
- 資料品質管理
- 準備生產級別的資料集
12.負責任與合乎倫理的AI
- AI偏見與公平性
- 可解釋式AI (XAI)
- 隱私與資料保護
- AI安全考量
- 負責任的AI開發
- 法規與治理考量
13.AI專案管理
- AI專案生命週期
- 適用於AI專案的敏捷方法論
- 技術團隊與商業團隊的合作
- 估算AI專案
- 風險管理
- 衡量專案成功
14.AI工程實作工作坊與未來趨勢
- 搭建完整的AI開發工作流程
- 構建端到端的機器學習專案
- 使用TensorFlow或PyTorch訓練並評估模型
- 部署簡易AI應用程式
- AI工程當前趨勢
- 生成式AI與大型語言模型 (LLMs)
- MLOps與AI自動化
- 職業發展路徑與持續學習
- 總結、問答環節與下一步行動
最低要求
- 具備基本程式設計概念的理解
- 有Python程式設計的經驗
- 熟悉基礎統計學與線性代數
目標受眾
- AI工程師
- 軟體開發人員
- 資料分析師
14 小時
客戶評論 (2)
所提供的廣泛工具選擇
Miruna Buzduga - Aeronamic Eastern Europe
課程 - AI Enablement Training for Engineers
機器翻譯
逐步進行的培訓,包含大量練習。這就像一場研討會,我對此感到非常高興。
Ireneusz - Inter Cars S.A.
課程 - Intelligent Applications Fundamentals
機器翻譯