LangGraph在醫療領域的應用：受監管環境中的工作流程編排培訓

LangGraph 是一個用於構建具有持久狀態和執行控制的無狀態、多參與者 LLM 應用程式的框架，這些應用程式以可組合的圖形形式呈現。

本課程由講師現場指導（提供線上或線下培訓），旨在幫助高級 AI 平台工程師、AI DevOps 人員以及希望優化、除錯、監控和運營生產級 LangGraph 系統的 ML 架構師提升技能。

完成本培訓後，參與者將能夠：

• 為速度、成本和擴展性設計並優化複雜的 LangGraph 拓撲結構。
• 通過重試、超時、冪等性以及基於檢查點的恢復來工程化可靠性。
• 除錯和追蹤圖形執行過程，檢查狀態，並系統性地復現生產環境中的問題。
• 為圖形添加日誌、指標和追蹤功能，部署至生產環境，並監控 SLA 和成本。

課程格式

• 互動式講座與討論。
• 大量練習與實踐環節。
• 在實戰實驗室環境中進行動手實現。

課程客製化選項

• 如需為本課程申請客製化培訓，請聯繫我們以安排事宜。

自主型AI是一種方法，其中AI系統在定義的約束條件下規劃、推理並使用工具來達成目標。

這項由講師指導的實時培訓（線上或線下）旨在為希望設計、評估和管理臨床及營運用例的自主型AI解決方案的中階醫療和數據團隊提供指導。

通過本次培訓，參與者將能夠：

• 解釋醫療環境中的自主型AI概念與約束條件。
• 設計具有規劃、記憶和使用工具功能的安全代理工作流程。
• 構建覆蓋臨床文件和知識庫的檢索增強代理。
• 使用防護措施和人機協作控制來評估、監控和管理代理行為。

課程格式

• 互動式講座和引導討論。
• 沙盒環境中的指導實驗室和代碼 walkthrough。
• 針對安全、評估和治理的情景模擬練習。

課程定制選項

• 如需為本課程申請定制化培訓，請聯繫我們安排。

This instructor-led, live training in 澳門 (online or onsite) is aimed at intermediate-level to advanced-level healthcare professionals and AI developers who wish to implement AI-driven healthcare solutions.

By the end of this training, participants will be able to:

• Understand the role of AI agents in healthcare and diagnostics.
• Develop AI models for medical image analysis and predictive diagnostics.
• Integrate AI with electronic health records (EHR) and clinical workflows.
• Ensure compliance with healthcare regulations and ethical AI practices.

這種由講師指導的實時培訓在澳門（線上或線下）旨在針對希望將AI和AR/VR解決方案應用於醫學培訓、手術模擬及康復的中級醫療專業人士。

在完成本培訓後，參與者將能夠：

• 理解AI在增強醫療領域中AR/VR體驗的角色。
• 使用AR/VR進行手術模擬和醫學培訓。
• 將AR/VR工具應用於患者康復和治療。
• 探索AI增強醫療工具中的倫理與隱私問題。

此課程由導師帶領，在 澳門（線上或線下）進行。適合具備中級水準的數據科學家與希望利用 Google Colab 實現進階醫療保健應用的人工智慧專業人士。

完成本課程後，學員將能夠：

• 使用 Google Colab 實現醫療保健領域的人工智慧模型。
• 利用人工智慧進行醫療數據預測建模。
• 運用 AI 驅動技術分析醫學影像。
• 探索基於 AI 的醫療保健解決方案中的倫理考量因素。

此為由導師主導的現場實作培訓，在澳門（線上或線下）進行，適合希望了解並應用AI技術於醫療環境的初階至中階醫療專業人員及數據科學家。

完成本課程後，學員將能夠：

• 識別AI可解決的關鍵醫療挑戰。
• 分析AI對患者照護、安全及醫學研究的影响。
• 理解AI與醫療商業模式之間的關係。
• 將基礎AI概念應用於醫療場景。
• 開發用於醫療數據分析的機器學習模型。

這門在澳門（線上或線下）舉辦的講師指導即時培訓，面向希望利用ChatGPT提升病患照護、簡化工作流程並改善醫療成果的醫療專業人員和研究者。

完成此培訓後，學員將能夠：

• 了解ChatGPT的基本原理及其在醫療領域的應用。
• 利用ChatGPT自動化醫療流程和互動。
• 使用ChatGPT向患者提供準確的醫療資訊和支援。
• 將ChatGPT應用於醫學研究和分析。

此由講師引導的即時培訓在澳門（線上或線下）進行，適合初級至中級醫療專業人員、生醫工程師及希望利用邊緣AI進行創新醫療方案解決方案的AI開發人員。

完成本培訓後，參加者將能夠：

• 理解邊緣AI在醫療保健中的角色與益處。
• 為醫療應用在邊緣裝置上開發並部署AI模型。
• 在穿戴式裝置和診斷工具中實施邊緣AI解決方案。
• 設計並部署使用邊緣AI的病人監測系統。
• 處理醫療保健AI應用中的倫理與法規考量。

這門由講師指導的現場培訓澳門（線上或線下）旨在為中級至高級醫療AI開發者和數據科學家提供臨床診斷、疾病預測及患者預後預測的微調技能，使用結構化和非結構化醫療數據。

完成此培訓後，參與者將能夠：

• 在包括電子病歷、影像和時間序列數據的醫療保健數據集上微調AI模型。
• 在醫療背景下應用遷移學習、領域適應和模型壓縮技術。
• 解決模型開發中的隱私、偏差和監管合規問題。
• 在現實世界的醫療保健環境中部署和監控微調後的模型。

生成式人工智慧是一種基於提示和數據創造新內容（如文本、圖像和推薦）的技術。

本課程為由講師主導的現場培訓（線上或線下）。對象為初級至中級醫療專業人士，旨在協助他們運用生成式人工智慧及提示工程，提升醫療場景中的效率、準確性與溝通能力。

完成本培訓後，學員將能夠：

• 理解生成式人工智慧與提示工程的基礎概念。
• 運用人工智慧工具簡化臨床、行政及研究工作。
• 確保醫療領域中人工智慧的倫理、安全及合規使用。
• 優化提示語以獲得一致且準確的結果。

課程形式

• 互動式講授與討論。
• 實踐練習與案例研究。
• 使用人工智慧工具的實作體驗。

課程客製化選項

• 如需為此課程申請客製化培訓，請聯繫我們以進行安排。

LangGraph 是一個框架，用於構建狀態管理、多智能體的 LLM 應用程式，它作為可組合的圖形結構，具有持久化狀態並對執行流程進行控制。

本課程為由講師帶領的實體或線上培訓，對象為希望設計、實施並運維具有適當治理、可觀測性及合規性的 LangGraph 金融解決方案的初級至高級專業人員。

參加完本課程後，學員將能夠：

• 設計符合監管及審計要求的特定於金融的 LangGraph 工作流程。
• 將金融數據標準及語義網整合至圖形狀態及工具中。
• 為關鍵流程實施可靠性、安全性以及人在回路的控制措施。
• 部署、監控並優化 LangGraph 系統的性能、成本與服務水準協議 (SLAs)。

課程形式

• 互動式講授及討論。
• 大量的練習及實作。
• 於模擬實驗室環境進行動手實作。

課程客製化選項

• 如需針對此課程的客製化培訓，請聯繫我們安排。

LangGraph 是一個用於構建圖結構大語言模型（LLM）應用程序的框架，支持規劃、分支、工具使用、記憶體以及可控執行。

本課程由導師進行現場指導，提供線上或線下培訓，旨在幫助初級開發者、提示工程師及數據從業者設計並構建基於 LangGraph 的可靠多步驟 LLM 工作流。

完成本培訓後，學員將能夠：

• 闡述核心 LangGraph 概念（節點、邊、狀態）及其應用場景。
• 構建支持分支調用工具並保持記憶的提示鏈。
• 在圖工作流中整合檢索與外部 API。
• 測試、調試並評估 LangGraph 應用程序，確保其可靠性和安全性。

課程形式

• 互動式講授與引導式討論。
• 沙箱環境中的指導實驗與代碼 walkthrough。
• 基於場景的練習，涵蓋設計、測試和評估。

課程定制選項

• 如需為本課程申請定制化培訓，請聯繫我們進行安排。

LangGraph 是一個框架，用於建構具狀態、多代理人的大型語言模型 (LLM) 應用程式。它透過可組合的圖結構與持久化狀態，提供精確的執行控制。

此課程為由講師主導的即時培訓（線上或線下），主要針對中級至高級專業人士，協助其設計、實現及運作基於 LangGraph 的法律解決方案，並納入必要的合規性、可追溯性與治理控制機制。

完成培訓後，參與者將能夠：

• 設計保留審計能力與合規性的法律專屬 LangGraph 工作流程。
• 將法律本體論與文件標準整合至圖狀態與處理程序中。
• 實施安全防護機制、人工審核流程，以及可追溯的決策路徑。
• 在生產環境中部署、監控及維護 LangGraph 服務，並兼顧可觀測性與成本控制。

課程形式

• 互動式講授與討論。
• 大量的練習與實作環節。
• 在即時實驗室環境中的實作操作。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們以進行安排。

LangGraph 是一個用於構建圖結構化 LLM 工作流的框架，支持分支、工具調用、記憶體管理和可控執行。

此課程由講師親自指導，可透過線上或線下方式進行（線上培訓或線下培訓），面向希望將 LangGraph 的圖邏輯與 LLM 代理循環結合以構建動態、上下文感知應用程序的中級工程師及產品團隊，例如客服代理、決策樹和信息檢索系統。

完成本課程後，學員將能夠：

• 設計協調 LLM 代理、工具和記憶體的基於圖的工作流程
• 實施條件路由、重試機制及備援方案，確保執行穩定性
• 在代理循環中整合檢索、API 和結構化輸出
• 評估、監控並強化代理行為，以提升可靠性與安全性

課程形式

• 互動式講座與引導式討論
• 沙箱環境中的指導實驗與代碼講解
• 基於場景的設計練習與同儕評審

課程客製化選項

• 如需為本課程申請客製化培訓，請聯絡我們安排。

LangGraph 是一個基於圖的協調框架，可實現條件式、多步驟的大型語言模型 (LLM) 和工具工作流程，非常適合自動化及個人化內容管線。

此培訓由導師現場指導（線上或線下），對象為希望使用 LangGraph 實施動態分支電子郵件活動及內容生成管線的初階至中階營銷人員、內容策略師及自動化開發人員。

完成本培訓後，參與者將能夠：

• 設計具備條件邏輯的圖結構化內容及電子郵件工作流程。
• 整合 LLM、API 和數據源，實現自動化個人化。
• 管理跨多步驟活動的狀態、記憶及上下文。
• 評估、監控並優化工作流程效能及交付結果。

課程形式

• 互動式講座及小組討論。
• 實作實驗室，實施電子郵件工作流程及內容管線。
• 基於情境的練習，涵蓋個人化、分群及分支邏輯。

課程客製化選項

• 如需為本課程申請客製化培訓，請聯繫我們以安排。