课程大纲

对话式AI与小型语言模型(SLMs)简介

  • 对话式AI基础知识
  • SLMs概述及其优势
  • SLMs在互动应用中的案例研究

设计对话流程

  • 人机交互设计原则
  • 构建吸引人且自然的对话
  • 用户体验(UX)考量

构建客服机器人

  • 客服机器人的应用场景
  • 将SLMs集成到客服平台中
  • 使用AI处理常见客户咨询

训练SLMs进行交互

  • 对话式AI的数据收集
  • 对话系统中SLMs的训练技术
  • 针对特定交互场景微调模型

评估交互质量

  • 评估对话式AI的指标
  • 用户测试与反馈收集
  • 基于评估的迭代改进

语音与多模态交互

  • 将语音识别与SLMs结合
  • 设计多模态交互(文本、语音、视觉)
  • 语音助手与聊天机器人的案例研究

个性化与上下文理解

  • 个性化交互技术
  • 上下文感知的对话处理
  • 个性化AI中的隐私与数据安全

伦理考量与偏见缓解

  • 对话式AI的伦理框架
  • 识别并缓解交互中的偏见
  • 确保AI沟通的包容性与公平性

部署与扩展

  • 对话式AI系统的部署策略
  • 为广泛使用扩展SLMs
  • 部署后监控与维护AI交互

毕业项目

  • 在选定领域中识别对话式AI需求
  • 使用SLMs开发原型
  • 测试并展示互动应用

最终评估

  • 提交毕业项目报告
  • 演示功能完备的对话式AI系统
  • 基于创新性、用户参与度与技术执行进行评估

总结与下一步

要求

  • 对人工智能和机器学习有基本了解
  • 熟练掌握Python编程
  • 具备自然语言处理概念的经验

受众

  • 数据科学家
  • 机器学习工程师
  • AI研究人员和开发者
  • 产品经理和UX设计师
 14 小时

即将举行的公开课程

课程分类