感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
软件开发中的AI简介
- 什么是生成式AI与预测式AI。
- AI在编码、分析和自动化中的应用。
- LLM、transformer和深度学习模型概述。
AI辅助编码与预测开发
- AI驱动的代码补全与生成(GitHub Copilot, CodeGeeX)。
- 预测代码漏洞和缺陷。
- 自动化代码审查和优化建议。
为软件应用构建预测模型
- 理解时间序列预测和预测分析。
- 实现AI模型进行需求预测和异常检测。
- 使用Python、Scikit-learn和TensorFlow进行预测建模。
生成式AI用于文本、代码和图像生成
- 使用GPT、LLaMA和其他LLM。
- 生成合成数据、文本摘要和文档。
- 使用扩散模型生成AI图像和视频。
在实际应用中部署AI模型
- 使用Hugging Face、AWS和Google Cloud托管AI模型。
- 为业务应用构建基于API的AI服务。
- 微调预训练AI模型以用于特定领域任务。
AI用于预测性业务洞察与决策
- AI驱动的商业智能和客户分析。
- 预测市场趋势和消费者行为。
- 使用AI自动化工作流程优化。
伦理AI与开发最佳实践
- AI辅助决策中的伦理考量。
- AI模型中的偏见检测与公平性。
- 可解释和负责任的AI最佳实践。
动手实践与案例分析
- 为真实数据集实施预测分析。
- 构建基于文本生成的AI聊天机器人。
- 部署基于LLM的自动化应用。
总结与下一步
- 回顾关键要点。
- AI工具与进一步学习资源。
- 最终问答环节。
要求
- 了解基本的软件开发概念。
- 有使用任何编程语言的经验(推荐Python)。
- 熟悉机器学习或AI基础知识(推荐但非必需)。
受众
- 软件开发人员。
- AI/ML工程师。
- 技术团队负责人。
- 对AI驱动应用感兴趣的产品经理。
21 小时