聯繫我們

課程簡介

開源LLM介紹

  • DeepSeek、Mistral、LLaMA及其他開源模型概覽
  • LLM的工作原理:Transformer、自注意力機制及訓練過程
  • 比較開源LLM與專有模型

微調和定制LLM

  • 用於微調的數據準備
  • 使用Hugging Face訓練和優化LLM
  • 評估模型性能及減輕偏差

構建基於LLM的AI代理

  • LangChain在AI代理開發中的介紹
  • 設計基於代理的工作流程與LLM整合
  • 記憶、檢索增強生成(RAG)和動作執行

部署基於LLM的AI代理

  • 使用Docker容器化AI代理
  • 將LLM整合到企業應用中
  • 利用雲端服務和API擴展AI代理

企業AI的安全與合規性

  • 道德考慮和法規合規性
  • 減輕AI驅動自動化中的風險
  • 監控和審核AI代理行為

案例研究和實際應用

  • LLM驅動的虛擬助手
  • AI驅動的文檔自動化
  • 企業分析定制的AI代理

優化和维护基於LLM的代理

  • 持續改進和更新模型
  • 部署監控和反饋循環
  • 成本優化性能和調優策略

總結和下一步計劃

最低要求

  • 對AI和機器學習有強烈的理解
  • 具備Python編程經驗
  • 熟悉大型語言模型(LLMs)和自然語言處理(NLP)

受眾

  • AI工程師
  • 企業軟件開發人員
  • 商業領導者
 21 小時

課程分類