課程簡介

開源LLM簡介

  • DeepSeek、Mistral、LLaMA等開源模型概述。
  • LLM的工作原理:Transformers、自注意力和訓練。
  • 開源LLM與專有模型的比較。

微調和定製LLM

  • 微調的數據準備。
  • 使用Hugging Face訓練和優化LLM。
  • 評估模型性能和偏差緩解。

使用LLM構建AI代理

  • 使用LangChain進行AI代理開發簡介。
  • 設計基於LLM的代理工作流程。
  • 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集成到企業應用中。
  • 使用雲服務和API擴展AI代理。

企業AI中的安全性和合規性

  • 倫理考量和法規合規。
  • 緩解AI驅動自動化中的風險。
  • 監控和審計AI代理行爲。

案例研究和實際應用

  • 基於LLM的虛擬助手。
  • AI驅動的文檔自動化。
  • 企業分析中的定製AI代理。

優化和維護基於LLM的代理

  • 持續模型改進和更新。
  • 部署監控和反饋循環。
  • 成本優化和性能調優策略。

總結與下一步

最低要求

  • 對AI和機器學習有深入理解。
  • 具備Python編程經驗。
  • 熟悉大語言模型(LLM)和自然語言處理(NLP)。

受衆

  • AI工程師。
  • 企業軟件開發人員。
  • 業務領導者。
 21 時間:

客戶評論 (1)

課程分類