课程大纲

AI软件开发入门

  • 生成式AI与Predictive AI的区别
  • 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Predictive开发

  • AI驱动的代码补全与生成(GitHub Copilot, CodeGeeX)
  • 在部署前预测代码错误与漏洞
  • 自动化代码审查与优化建议

为软件应用构建Predictive模型

  • 理解时间序列预测与Predictive分析
  • 实现需求预测与异常检测的AI模型
  • 使用Python、Scikit-learn和TensorFlow进行Predictive建模

生成式AI用于文本、代码与图像生成

  • 使用GPT、LLaMA等LLM
  • 生成合成数据、文本摘要与文档
  • 使用扩散模型创建AI生成的图像与视频

在现实应用中部署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
  • 针对特定领域任务微调预训练AI模型

AI用于Predictive业务洞察与决策

  • AI驱动的商业智能与客户分析
  • 预测市场趋势与消费者行为
  • 使用AI自动化工作流程优化

伦理AI与开发中的最佳实践

  • AI辅助决策中的伦理考量
  • AI模型中的偏见检测与公平性
  • 可解释与负责任AI的最佳实践

实践工作坊与案例研究

  • 为真实数据集实现Predictive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

  • 关键要点回顾
  • 进一步学习的AI工具与资源
  • 最终问答环节

要求

  • 了解基本的软件开发概念
  • 具备任何编程语言的经验(推荐Python)
  • 熟悉机器学习或AI基础知识(推荐但不强制)

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

即将举行的公开课程

课程分类