课程大纲

开源LLM简介

  • DeepSeek、Mistral、LLaMA等开源模型概述。
  • LLM的工作原理:Transformers、自注意力和训练。
  • 开源LLM与专有模型的比较。

微调和定制LLM

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

使用LLM构建AI代理

  • 使用LangChain进行AI代理开发简介。
  • 设计基于LLM的代理工作流程。
  • 记忆、检索增强生成(RAG)和动作执行。

部署基于LLM的AI代理

  • 使用Docker容器化AI代理。
  • 将LLM集成到企业应用中。
  • 使用云服务和API扩展AI代理。

企业AI中的安全性和合规性

  • 伦理考量和法规合规。
  • 缓解AI驱动自动化中的风险。
  • 监控和审计AI代理行为。

案例研究和实际应用

  • 基于LLM的虚拟助手。
  • AI驱动的文档自动化。
  • 企业分析中的定制AI代理。

优化和维护基于LLM的代理

  • 持续模型改进和更新。
  • 部署监控和反馈循环。
  • 成本优化和性能调优策略。

总结与下一步

要求

  • 对AI和机器学习有深入理解。
  • 具备Python编程经验。
  • 熟悉大语言模型(LLM)和自然语言处理(NLP)。

受众

  • AI工程师。
  • 企业软件开发人员。
  • 业务领导者。
 21 小时

即将举行的公开课程

课程分类