課程簡介
課程大綱 培訓提案
第 1 天 - AI 與數據工作流程的 Python 入門
• 人工智能與機器學習生態概覽
• AI 在現代數據工程中的角色
• AI 應用所需的 Python 基礎複習
• 使用 pandas 和 NumPy 處理數據
• API 與 JSON 數據處理入門
• 微練習:加載與轉換數據集
第 2 天 - 實務人員的機器學習基礎
• 監督式與非監督式學習概念
• 特徵工程與數據預處理技術
• 使用 scikit-learn 進行模型訓練基礎
• 模型評估與性能指標
• 模型部署概念入門
• 實作:構建簡單的預測模型
第 3 天 - LLM 與提示工程入門
• 理解大型語言模型及其運作原理
• 詞元化(Tokenization)、上下文窗口及局限性
• 提示設計原則與技巧
• 零樣本(Zero-shot)與少樣本(Few-shot)提示
• 提示評估與迭代策略
• 實作:提示工程演練
第 4 天 - 使用 LLM 構建 AI 應用
• 在 Python 中調用 LLM API
• 結構化輸出與函數調用概念
• 構建對話式與任務型應用
• 檢索增強生成(RAG)入門
• 將 LLM 與外部數據源連接
• 微項目:構建簡單的 AI 助手
第 5 天 - AI 解決方案的生產化部署
• 設計可擴展的 AI 工作流程
• 將 AI 整合至數據管道
• 監控與優化模型性能
• 成本優化與 API 使用策略
• 安全性與負責任 AI(Responsible AI)考量
• 期末項目:構建端到端 AI 解決方案
客戶評論 (2)
培訓師非常樂於回答我提出的各種問題
Caterina - Stamtech
課程 - Developing APIs with Python and FastAPI
機器翻譯
培訓師根據學員的進度開展培訓
Farris Chua
課程 - Data Analysis in Python using Pandas and Numpy
機器翻譯