课程大纲

开源LLM介绍

  • 开源模型概述DeepSeek、Mistral、LLaMA及其他模型
  • LLM的工作原理:变压器、自我注意力和训练
  • 开源LLM与专有模型的比较

调整Fine-Tuning和定制LLM

  • 微调的数据准备
  • 使用Hugging Face训练和优化LLM
  • 评估模型性能和偏见缓解

使用LLM构建AI Agents

  • AI代理开发入门LangChain
  • 用LLM设计基于代理的工作流程
  • 记忆、检索增强生成(RAG)和行动执行

部署基于LLM的AI Agents

  • 用Docker为AI代理容器化
  • 将LLM集成到企业应用程序中
  • 用云服务和API扩展AI代理

企业AI中的安全性和合规性

  • 伦理考虑和法规遵从
  • 减轻AI驱动的自动化中的风险
  • 监控和审计AI代理行为

案例研究和实际应用

  • LLM驱动的虚拟助手
  • AI驱动的文档自动化
  • 用于企业分析的定制AI代理

优化和维护基于LLM的代理

  • 持续的模型改进和更新
  • 部署监控和反馈循环
  • 成本优化和性能调优的策略

总结和结论

要求

  • 对人工智慧和机器学习有深入了解
  • 具备Python程式设计经验
  • 熟悉大型语言模型(LLMs)和自然语言处理(NLP)

观众

  • AI工程师
  • 企业软体开发人员
  • Business领导者
 21 小时

即将举行的公开课程

课程分类