课程大纲

模块1:介绍与AI理论

  • 基于模型的方法:AI作为工程问题。
  • 揭开“机器中的幽灵”之谜:AI是什么,不是什么。
  • 技术演变:从BERT到Transformers。
  • 生成领域:分析、创意、研究、图像、音乐和视频。
  • 数据治理:支柱、审计和研究趋势(多模态、代理、RAG、LLM vs. SLM)。
  • 阴暗面:伦理、知识产权、偏见、幻觉和社会工程。
  • 风险评估:数据中毒、Nepenthes和“削弱”人才的风险。
  • 模型分类:基础模型 vs. 任务特定模型;闭源模型 vs. 开源模型。

模块2:当前格局与工具集

  • 语言模型竞技场:性能与基准比较。
  • 专业购买标准:成本、延迟、隐私和供应商锁定。
  • 大型模型概览:OpenAI ChatGPT、Perplexity、Gemini和Grok。
  • 小众与小型模型:Manus、SpecKit。
  • 图形生成:Perchance。
  • 技术限制:上下文衰减 vs. Token成本。

模块3:交互 - 提示与上下文工程

  • 验证框架:完整性、一致性和可验证性。
  • RAG策略:何时使用检索增强生成 vs. 微调。
  • AI的投资回报率:维护成本 vs. 生产力提升。
  • 高级技术:20+提示与RAG方法,附实际案例。
  • 实验前沿:三角测量、地图与地形概览,以及基于模型的生成。

模块4:AI在敏捷项目管理中的应用

  • 超级计算机领航员:AI作为自动化引擎。
  • 决策制定:人类责任 vs. AI辅助。
  • AIOps与GitOps:将AI整合到操作工作流中。
  • 工具链与流水线:创建无缝的AI驱动环境。
  • 敏捷工件:待办事项、路线图和需求工程。
  • 精准管理:容量规划与估算(准确性与精度)。
  • 产品所有权:构思、功能分析和Vibe-coding风险。
  • 风险与情景:规划“如果”情景和自动风险管理。
  • 优化:用例和用户故事描述与优化。

 

要求

  • 对敏捷宣言和Scrum框架有基本了解。
  • 具备项目管理、产品所有权或团队领导经验。
  • 无需编程或AI工程经验,但建议对数字工具有一定了解。

目标受众

  • 敏捷项目经理和Scrum主管。
  • 产品负责人和产品经理。
  • IT团队领导和交付经理。
  • 在敏捷环境中工作的业务分析师。
  • 对AIOps感兴趣的操作经理。

 

 7 小时

客户评论 (2)

即将举行的公开课程

课程分类