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
对话式AI与小语言模型（SLMs）简介
- 对话式AI的基础知识。
- SLMs概述及其优势。
- SLMs在交互式应用中的案例研究。
设计对话流程
- 人机交互设计原则。
- 构建引人入胜且自然的对话。
- 用户体验（UX）考量。
构建客户服务机器人
- 客户服务机器人的用例。
- 将SLMs集成到客户服务平台中。
- 使用AI处理常见客户咨询。
为交互训练SLMs
- 对话式AI的数据收集。
- 对话系统中SLMs的训练技术。
- 为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。
- 用户测试和反馈收集。
- 基于评估的迭代改进。
语音和多模态交互
- 将语音识别与SLMs结合。
- 设计多模态交互（文本、语音、视觉）。
- 语音助手和聊天机器人的案例研究。
个性化和上下文理解
- 个性化交互的技术。
- 上下文感知的对话处理。
- 个性化AI中的隐私和数据安全。
伦理考量和偏见缓解
- 对话式AI的伦理框架。
- 识别并缓解交互中的偏见。
- 确保AI沟通的包容性和公平性。
部署和扩展
- 部署对话式AI系统的策略。
- 为广泛使用扩展SLMs。
- 部署后监控和维护AI交互。
毕业项目
- 在选定领域中识别对话式AI的需求。
- 使用SLMs开发原型。
- 测试并展示交互式应用。
最终评估
- 提交毕业项目报告。
- 演示功能性的对话式AI系统。
- 基于创新、用户参与和技术执行的评估。
总结与下一步
要求
- 具备人工智能和机器学习的基础知识。
- 熟练掌握Python编程。
- 具有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
