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
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
客户评论 (1)
培训师即时回答问题。
Adrian
课程 - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
机器翻译