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

即将举行的公开课程

课程分类