澳門現場大型語言模型 (LLMs)培訓

本培訓由講師現場指導，可線上或線下進行。對象為希望理解LLM定義、探索其對業務運營潛在影響，並評估ChatGPT、Microsoft Copilot或Grok等AI工具在內容創作、數據總結和決策支持等實際場景中應用的企業高層管理人員。

培訓結束後，學員將能夠：

• 理解LLM的定義，以及ChatGPT和Copilot等工具的運作原理。
• 運用提示技術從LLM獲取實用且可靠的結果。
• 評估電子郵件撰寫、文件總結及生產力自動化等實際案例。
• 識別AI採用的投資機會與戰略應用場景。

本課程為由講師帶領的 澳門 現場培訓（可線上或到府進行），專為希望理解 LLM 及企業級 AI 工具戰略價值的高階管理團隊設計。參與者將探索如何將這些工具整合到高層工作流程中、撰寫更優質的提示詞（prompts），並評估透過採用 AI 技術來提升生產力和投資回報率（ROI）的機會。

完成本培訓後，參與者將能夠：

• 理解 LLM 的運作原理，以及 ChatGPT 和 Copilot 等工具如何應用它們。
• 利用基於提示詞的互動來自動化並加速任務處理。
• 將 AI 工具應用於實際場景，例如撰寫電子郵件、摘要報告及審查合約。
• 評估採用 LLM 的戰略效益、局限性以及授權相關考量。

本課程為講師主導的實戰培訓，地點位於 澳門（可線上或現場授課），旨在幫助具有中級至高級水平的 AI 研究者、數據科學家及開發者深入理解、微調並實現 Meta AI 的大型語言模型，以應用於各種自然語言處理（NLP）任務。

完成本培訓後，學員將能夠：

• 理解 Meta AI 大型語言模型的架構與運作原理。
• 針對特定用例設置並微調 Meta AI 的大型語言模型。
• 實現基於大型語言模型的应用，如文本摘要、聊天機器人及情感分析。
• 高效地優化並部署大型語言模型。

本講座指導之實訓課程（澳門，線上或線下）針對希望了解生成式 AI 原理及 LLMs 在商業場景應用的初級 AI 專業人士、業務分析師和技術領袖。參與者將學習 Transformer 架構、提示工程，以及在部署這些模型以實現實際解決方案時的倫理考量。

完成本培訓後，參與者能夠：

• 理解生成式 AI 及大型語言模型的基礎原理。
• 針對特定業務應用實施並微調 LLMs。
• 運用提示工程技術以獲取最佳模型輸出。
• 辨識倫理考量，並在部署 LLMs 時管理風險。

澳門 的此由講師主導的現場培訓（線上或線下）針對中階 AI 專業人士、倫理學家、數據科學家及工程師，以及政策制定者和利益相關者，旨在幫助他們理解並應對 LLM 的倫理格局。

完成本培訓後，學員將能夠：

• 識別與 LLM 相關的倫理問題與挑戰。
• 將倫理框架及原則應用於 LLM 部署。
• 評估 LLM 對社會的影響並減輕潛在風險。
• 制定負責任的 AI 開發及使用策略。

本課程為在澳門（線上或線下）舉辦，由講師主導的培訓，旨在服務於初級以上的自然語言處理專家、數據科學家、內容創作者及譯者，以及希望利用大型語言模型進行多語言翻譯與內容創作的全球企業。

完成本培訓後，學員將能夠：

• 理解跨語言學習與使用大型語言模型進行翻譯的原理。
• 運用大型語言模型在不同語言間翻譯內容。
• 建立及管理用於訓練大型語言模型的多語言數據集。
• 制定策略以維持翻譯的一致性及品質。

此課程由導師主導，提供 澳門 實地或線上培訓，專為希望利用大型語言模型進行金融市場分析和預測的中級金融分析師、數據科學家及投資專業人士而設。

完成此培訓後，參與者將能夠：

• 理解大型語言模型在金融市場分析中的應用。
• 使用大型語言模型處理金融新聞、報告及數據，以獲取市場見解。
• 開發用於股價、市場走勢及經濟指標的預測模型。
• 將大型語言模型的見解整合至投資決策流程中。

這門由講師主導的實訓課程在 澳門（線上或線下）進行，面向中級水平的環境科學家與研究者、數據分析師，以及希望利用 LLM 進行環境建模與分析的決策者和環保倡議者。

完成本培訓後，參與者將能夠：

• 理解 LLM 在環境科學中的應用。
• 利用 LLM 分析和建模環境數據。
• 解讀 LLM 輸出結果，用於環境影響評估。
• 有效傳達發現，為政策制定和保護工作提供支持。

此由講師指導的實時培訓課程，在 澳門 （線上或線下）進行，目標受眾為希望將 LLM 整合至 VR 與 AR 應用中以創造更具吸引力和響應性的環境之中階 VR 與 AR 開發人員、遊戲設計師及人工智慧工程師。

完成此培訓後，學員將能夠：

• 理解 LLM 在創建沉浸式 VR 和 AR 體驗中的角色。
• 開發利用 LLM進行互動對話及內容創建的 VR 和 AR 應用程序。
• 將 LLM與VR和AR開發工具整合，以提升用戶參與度。
• 應用最佳實踐，設計虛擬空間中的人工智慧驅動敘事和交互。

此為講師主導的實作培訓（澳門，線上或線下），目標受眾為希望將大型語言模型應用於多模態資料以開發進階 AI 應用的初級至中級資料科學家、機器學習工程師和軟體開發人員。

完成本培訓後，學員將能夠：

• 理解使用 LLM 進行多模態學習的原理。
• 實作 LLM 以處理和分析文字、影像及音訊資料。
• 開發利用多模態資料整合優勢的應用程式。
• 評估多模態 LLM 系統的效能。

This instructor-led, live training in 澳門 (online or onsite) is aimed at intermediate-level cybersecurity professionals and data scientists who wish to utilize LLMs for enhancing cybersecurity measures and threat intelligence.

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

• Understand the role of LLMs in cybersecurity.
• Implement LLMs for threat detection and analysis.
• Utilize LLMs for security automation and response.
• Integrate LLMs with existing security infrastructure.

這項由講師主導的實時培訓（線上或線下）旨在幫助中級數據科學家和業務分析師利用大型語言模型來預測各行各業的趨勢和行為。

培訓結束後，參與者將能夠：

• 了解大型語言模型的基礎知識及其在預測分析中的作用。
• 實施大型語言模型以分析和預測各行各業的數據。
• 使用大型語言模型評估預測模型的有效性。
• 將大型語言模型與現有的數據處理管道整合。

這門在 澳門（線上或線下）舉行的由講師主導的實時培訓，針對希望全面理解大型語言模型 (LLMs) 和強化學習 (RL) 並獲得相關實踐技能的初級數據科學家。

完成本培訓後，學員將能夠：

• 理解變換器模型的組件和功能。
• 為特定任務和應用場景優化及微調 LLMs。
• 掌握強化學習的核心原則和方法論。
• 了解如何通過強化學習技術提升 LLMs 的性能。

本培訓課程由導師指導，提供線上或線下直播形式。對象為初級至中級的內容創作人員、行銷專家及教育技術專家，旨在協助他們運用 LLMs 生成高品質、多樣且吸引人的內容，適用於多個領域。

完成此培訓後，學員將能夠：

• 了解 LLMs 的功能及其在內容生成中的應用。
• 設置並使用 LLMs 生成各種類型的內容。
• 應用提示詞和微調的最佳實踐，以產生預期輸出。
• 評估 AI 生成內容的品質，並針對特定受眾進行優化。
• 探索結合 LLMs 的創意及多模態內容生成的進階技術。

本課程由講師主導，以 澳門（線上或線下）形式進行 live training，旨在協助教育工作者、EdTech 從業者及具備不同經驗與專業背景的研究人員，善用 LLMs 創造個人化教育體驗。

完成培訓後，學員將能夠：

• 了解 LLMs 的架構與能力。
• 識別利用 LLMs 在教育內容中實現個人化的機會。
• 設計運用 LLMs 進行內容個人化的自適應學習平台。
• 實施由 LLMs 驅動的戰略，以提升學生參與度和學習成效。
• 評估 LLMs 在教育環境中的有效性，並做出數據驅動決策以持續改進。

此種於 澳門（線上或線下）舉行之講師指導即時培訓，旨在幫助希望為特定業務或內部應用而微調並部署 LLaMA、Mistral 及 Qwen 等開源權重模型的中級機器學習從業者與人工智慧開發人員。

完成本培訓後，學員將能夠：

• 理解開源大型語言模型的生態體系及其差異。
• 為 LLaMA、Mistral 及 Qwen 等模型準備資料集與微調設定。
• 使用 Hugging Face Transformers 和 PEFT 執行微調流程。
• 在安全環境中評估、儲存並部署已微調的模型。

本課程透過[NobleProg]提供的澳門（線上或線下）培訓，由專業講師指導。適合初級至中級的軟體開發人員及資料科學家，旨在協助將LLM導入語音辨識與合成系統。

完成本課程後，學員能夠：

• 理解LLM在語音技術中的角色。
• 實現精確的語音辨識與自然的語音合成。
• 將LLM整合至語音辨識引擎及語音合成器。
• 評估並改善使用LLM的語音系統效能。
• 了解當前趨勢及未來在語音技術領域的方向。

本課程為由講師主講的澳門（線上或線下）現場培訓，旨在幫助初級至中級的客戶服務及IT專業人員實施LLM技術，打造具備響應能力與智慧化的客服聊天機器人。

完成培訓後，參與者將能夠：

• 理解大型語言模型的基礎知識與架構原理。
• 設計並將LLMs整合至客戶服務系統之中。
• 提升聊天機器的回應速度及使用者體驗。
• 應對倫理考量，確保符合行業標準規範。
• 部署及維護面向真實應用的基於LLM的聊天機器人。

本課程為講師授課的實體訓練（澳門 線上或現場），專為希望使用 LoRA、Adapter Tuning 及 Prefix Tuning 等方法，以更經濟、高效地微調大型語言模型的中等程度數據科學家與 AI 工程師而設。

完成本訓練後，學員將能夠：

• 理解高效參數微調方法背後的理論。
• 使用 Hugging Face PEFT 實作 LoRA、Adapter Tuning 及 Prefix Tuning。
• 比較 PEFT 方法與完整微調在效能與成本上的取捨。
• 部署並擴展微調後的大型語言模型，同時降低運算與儲存需求。

此由講師指導的實時培訓，在 澳門（線上或線下）舉行，面向初級到高級的機器學習工程師、AI開發人員和數據科學家，旨在教導如何使用 QLoRA 高效地為特定任務和自定義需求微調大型模型。

培訓結束後，參與者將能夠：

• 理解 QLoRA 理論及 LLMs 量化技術原理。
• 在領域特定應用程式中實施 QLoRA進行大型語言模型微調。
• 利用量化在有限計算資源上優化微調效能。
• 在實際應用中高效部署與評估經微調的模型。

此培訓由導師現場指導、實時進行於 澳門（線上或線下），旨在為初級到中級數據分析和營銷專業人士提供應用LLMs分析並詮釋來自社交媒體帖子、產品評論及客戶反饋等多種文本來源的公眾情感。

完成本培訓後，學員將能夠：

• 理解情感分析的原理及其在LLMs中的應用。
• 為情感分析預處理和準備數據集。
• 訓練並微調LLMs，使其準確反映文本中的情感。
• 實時分析來自社交媒體及其他文本來源的情感。
• 將情感分析結果整合至商業策略及決策流程中。

這項在澳門（線上或線下）由講師主導的即時培訓，針對希望利用LLM優化編碼工作流程並創建詳細、全面文件的初級至中級軟體開發人員和技術撰寫者設計。

在培訓結束時，參與者將能夠：

• 理解LLM在自動化程式碼生成和軟體文件中的作用。
• 利用LLM創建準確且高效的程式碼片段和文件。
• 將LLM整合到其軟體開發生命週期中以提高生產力。
• 使用自動化工具維持高標準的文件質量。
• 解決在軟體開發中使用AI的倫理考量與最佳實踐。

此由導師引導的實時培訓，地點在 澳門（線上或線下），針對希望利用 LLM 力量提取商業洞察的中級商業專業人士和數據分析人員。

完成培訓後，參與者將能夠：

• 理解 LLM 在商業智能背景下的基本原理和應用。
• 運用 LLM 分析大型數據集並提取有意義的洞察。
• 將 LLM 驅動的分析整合到戰略性商業決策過程中。
• 評估在商業中使用 LLM 的道德考慮和最佳實踐。
• 預測 AI 未來趨勢，為不斷演變的商業智能格局做好準備。

本次 澳門（線上或線下）由講師指導的實時培訓，面向希望掌握 LlamaIndex 以開發創新的大型語言模型驅動應用的初級至高級開發人員和數據科學家。

培訓結束後，學員將能夠：

• 設置並配置 LlamaIndex 以供大型語言模型使用。
• 利用 LlamaIndex 索引和查詢自定義數據集，以增強大型語言模型的功能。
• 設計並開發運用 LlamaIndex 和大型語言模型的複雜應用程序。
• 理解並應用與大型語言模型和 LlamaIndex 協作的最佳實踐。
• 處理部署大型語言模型驅動應用時涉及的道德考量。

這門在 澳門（線上或線下）進行的由講師帶領的實時培訓，針對希望使用 LlamaIndex 提升 AI 模型能力，使其在各種應用中更準確、可靠的初級至中階 AI 研究人員、機器學習專業人士及數據科學家。

完成本培訓後，參與者將能夠：

• 理解 LlamaIndex 的原理與組成要素。
• 導入並結構化資料以供 LLMs 使用。
• 實施情境增強以提升 AI 模型效能。
• 將 LlamaIndex 整合至現有的 AI 系統和工作流程中。

這門由講師主導的澳門（線上或線下）現場培訓旨在幫助中級專業人士利用提示工程和少樣本學習的力量，優化 LLM 在實際應用中的表現。

完成此培訓後，學員將能夠：

• 理解提示工程和少樣本學習的原則。
• 為各種自然語言處理（NLP）任務設計有效的提示。
• 利用少樣本技術以最少數據適應 LLM。
• 優化 LLM 在實踐應用中的表現。

本課程為由講師帶領的實時培訓（線上或現場授課），旨在協助高級工程師、AI專家及本地化負責人，部署大型語言模型（LLM）系統，以實現自動化翻譯、質量評估及企業級治理。

完成本培訓後，學員將能夠：

• 構建企業級LLM本地化管道，整合開源模型與專有模型。
• 實施自動化的QA工作流及質量指標，以確保翻譯的一致性。
• 建立多語言內容生產的治理與審批框架。
• 在安全環境中部署可擴展且可審計的基於LLM的本地化系統。

這是由講師主導的 澳門 實時培訓，旨在賦予數據工程師將 LLM 整合至 SQL 環境的技能。參與者將構建自然語言管道、實施 AI 驅動的優化，並設計安全的企業工作流程以進行自動化數據分析。

這門在 澳門 進行的實地訓練課程，協助實務人員在 Vertex AI 中設計、建構並最佳化多模態 LLM 工作流程。課程涵蓋 Gemini 模型、長上下文推理，以及整合文字、音訊和影像資料的管線。透過實作實驗室，確保學員具備處理真實世界情境的實際能力。

這門由導師帶領的實地培訓（線上或現場）旨在幫助具有中等水平的 AI 開發人員和本地化工程師設計可擴展的自動化翻譯管線，使用專有和開源的 LLM。

完成此培訓後，參與者將能夠：

• 使用現代 LLM 框架和 API 設計和部署翻譯工作流。
• 將開源和商业模型整合到可擴展的翻譯系統中。
• 通過微調、提示工程和自動化來優化翻譯質量。
• 為企業環境實施成本效益高且符合法規的翻譯基礎設施。

這門在澳門（線上或線下）舉辦的由講師帶領的現場培訓課程，旨在幫助初級至中級開發人員學習如何將生成式AI與LLM結合使用，以應對各種任務和領域。

完成本培訓後，學員將能夠：

• 解釋什麼是生成式AI及其運作原理。
• 描述驅動LLM的Transformer架構。
• 使用經驗擴展定律優化LLM，以適應不同任務和限制條件。
• 運用最先進的工具和方法來訓練、微調及部署LLM。
• 探討生成式AI對社會與商業帶來的機遇與風險。

透過此於 澳門 舉行的講師帶隊即時培訓，掌握 Postgres 中的 AI 整合技術。學習配置擴充功能、實施 pgvector 嵌入向量，並連結 LLM 以獲取即時洞察。在動手實作的即時實驗室環境中，最佳化查詢並建構智慧型系統。

本課程在 澳門 進行（線上或線下），旨在協助中階至高階的AI開發人員、架構師與產品經理識別降低LLM應用風險，包括提示注入、資料外洩及未經過濾的輸出，同時導入輸入驗證、人機互動監督以及輸出防護等安全控制機制。

完成本培訓後，參與者將能夠：

• 理解LLM系統的核心漏洞。
• 應用安全設計原則於LLM應用程式架構。
• 使用Guardrails AI及LangChain等工具進行驗證、過濾及安全防護。
• 將沙箱技術、紅隊演練及人機互動審查整合至生產級流程中。

這項由講師主導的實作培訓 澳門（線上或線下）旨在針對初級至中級，以及中級至高級專業人士，協助其自適應預訓練模型以應用於特定任務與數據集。

完成本培訓後，參與者將能夠：

• 理解微調的原則及其套用場景
• 準備用於微調預訓練模型的數據集
• 為自然語言處理（NLP）任務微調大型語言模型（LLM）
• 優化模型績效並解決常見挑戰

本培訓為講師主導的實時培訓，地點在 澳門（線上或線下），面向希望利用 LLMs 執行多種 NLP 任務並為不同目的創建新穎多樣內容的中級數據科學家、AI 開發者和 AI 愛好者。

完成本培訓後，學員將能夠：

• 建立配備 LLMs 和必要工具的開發環境。
• 熟練使用 LLMs 執行 NLU 和 NLI 任務。
• 有效提取、推論和利用知識圖譜。
• 使用 LLMs 生成和管理對話，以構建應用於對話式應用的系統。
• 評估由 LLMs 和生成式 AI 生成的內容質量和多樣性。
• 應用道德原則，確保公平並負責任地使用 LLMs。

本課程由講師主導，提供 澳門 的現場培訓（線上或線下），適合希望將大型語言模型應用於各種自然語言任務的初級至中級開發人員。

完成本培訓後，參與者將能夠：

• 搭建包含流行 LLM 的開發環境。
• 創建基礎 LLM 並在自定義數據集上進行微調。
• 將 LLMs 應用於文本摘要、問答系統、文本生成等多種自然語言任務。
• 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具調試和評估 LLMs。

這門在 澳門（線上或線下）舉行的由講師主導的現場培訓，面向希望將 LLM 和 AI 整合到監控、警報和事件分析工作流中的可觀測性和 SRE 工程師。

此在 澳門（線上或線下）舉辦、由講師指導的現場培訓，旨在為希望使用 AI 工具和自動化平台來簡化支援流程、統一回覆內容並減少手動文檔編寫工作的 IT 支援專業人員設計。

這門在澳門進行的由講師指導的實時培訓（線上或線下），旨在針對希望使用騰訊混元部署大型及MoE模型，以降低延遲、增強吞吐量並更好控制成本的中級工程師和架構師。

完成本培訓後，參與者將能夠：解釋混元的生產部署模式，優化推理性能，實施批處理與量化策略，並規劃可擴展的服務運營。

這項在 澳門（線上或線下）提供的由講師親自指導的培訓，針對希望利用混元模型創建圖像、3D 和視頻生成及交付多模態應用的中級開發者、技術產品團隊以及 AI 從業者。

完成本培訓後，參與者將能夠：構建基於提示的工作流程，生成並審查多模態資產，通過應用程序或 API 提供輸出，並將混元能力連接至企業產品棧。

課程目標turn軟體/AI工程師轉型為法律工程師——即能夠實際為法律工作（電子證據披露、審查、調查）構建AI系統的人才。

在兩天內，學員將構建完整的基礎技術棧：匯入並提取雜亂的真實法律數據，進行搜索與檢索，加入帶引用來源的檢索增強生成（RAG），透過本地模型確保私密性並可驗證，執行具備法庭適用指標的可防禦AI審查，並將結果打包以便部署。

本 澳門 地點的講師帶路即時培訓（線上或線下），適合初階、中階或高階的 AI 專業人士，希望運用 MCP 將 AI 助手與外部工具、資料及企業服務連線。

完成本培訓後，學員將能夠：解釋 MCP 概念，辨識關鍵架構元件，建置基本整合，並套用安全性良好實踐。

本課程在澳門（線上或線下）提供，由講師現場指導，目標學員為希望利用模型上下文協議，在企業環境中設計安全、可擴展且具備治理能力的代理整合平台的初級至中級企業架構師。

完成本課程後，學員將能夠：解釋MCP架構與企業模式、設計安全的整合平台、應用治理與存取控制，以及評估部署與擴展選項。

此為講師主導的培訓課程（澳門，線上或線下），旨在協助中階開發人員、架構師及平台工程師運用MCP建構具備高可靠性的伺服器與客戶端，以滿足企業部署與營運需求。

完成本培訓後，學員將能夠：說明MCP架構實務應用，建構生產環境可用的整合方案，部署並監控MCP服務，以及運用版本控制、韌性設計及支援模式。

這門於澳門舉辦的講師指導培訓課程（線上或線下），目標受眾為初級至中階的IT領導者、合規專業人員、安全團隊和企業架構師。他們希望運用主權AI原則與治理實踐，設計能保護敏感數據、支持本地化合規要求，並降低供應商鎖定風險的AI環境。

完成本培訓後，參與者將能夠：解釋主權AI概念，評估託管與治理選項，定義提示詞與日誌的控制措施，並創建實用的採用路線圖。