江苏省大型语言模型 (LLMs)培训

本课程为讲师主导的培训，在江苏省（线上或线下）进行，面向希望了解LLMs是什么、探索其对业务运营的潜在影响，并评估AI工具（如ChatGPT、Microsoft Copilot或Grok）在实际任务中的应用的高级管理专业人士，例如内容创作、数据总结和决策支持。

培训结束后，学员将能够：

• 了解LLMs是什么，以及ChatGPT和Copilot等工具的工作原理。
• 使用提示技术从LLMs中获取实用、可靠的结果。
• 评估实际用例，如电子邮件起草、文档总结和生产力自动化。
• 识别AI采用的战略应用和投资机会。

本课程为讲师引导的培训，在江苏省（线上或线下）进行，面向希望了解LLMs和企业AI工具战略价值的高级管理团队。参与者将探索如何将这些工具集成到高层工作流程中，撰写更好的提示，并通过AI采用评估提高生产力和投资回报的机会。

通过本培训，参与者将能够：

• 了解LLMs的工作原理，以及像ChatGPT和Copilot这样的工具如何应用它们。
• 使用基于提示的交互来自动化和加速任务。
• 将AI工具应用于实际场景，如邮件撰写、报告总结和协议审查。
• 评估LLM采用的战略优势、局限性和许可考虑。

本课程为讲师指导的江苏省（线上或线下）培训，面向中级到高级的AI研究员、数据科学家和开发者，旨在帮助他们理解、微调和实现Meta AI的大型语言模型，用于各种自然语言处理（NLP）应用。

培训结束后，学员将能够：

• 理解Meta AI大型语言模型的架构和工作原理。
• 为特定用例设置和微调Meta AI的大型语言模型。
• 实现基于大型语言模型的应用，如文本摘要、聊天机器人和情感分析。
• 高效优化和部署大型语言模型。

本次由讲师指导的线下或线上培训，面向中级AI专业人士、业务分析师和技术领导者，旨在帮助他们理解生成式AI的原理以及大语言模型（LLMs）在商业环境中的应用。参与者将学习Transformer架构、提示工程，以及在部署这些模型时的伦理考量。

培训结束后，参与者将能够：

• 理解生成式AI和大语言模型的基本原理。
• 为特定业务应用实施和微调LLMs。
• 应用提示工程技术以获得最佳模型输出。
• 识别伦理考量并管理LLM部署中的风险。

这种以讲师为主导的江苏省（在线或现场）现场培训面向希望了解和驾驭 LLM 道德景观的中级 AI 专业人员和伦理学家、数据科学家和工程师，以及政策制定者和利益相关者。

在培训结束时，参与者将能够：

• 确定与 LLM 相关的道德问题和挑战。
• 将道德框架和原则应用于 LLM 部署。
• 评估 LLM 的社会影响并降低潜在风险。
• 制定负责任的人工智能开发和使用战略。

这种以讲师为主导的江苏省（在线或现场）现场培训面向中级 NLP 从业者和数据科学家、内容创建者和翻译人员，以及希望使用 LLM 进行语言翻译和创建多语言内容的全球企业。

在培训结束时，参与者将能够：

• 了解LLM跨语言学习和翻译的原则。
• 实现 LLM 以在各种语言之间翻译内容。
• 创建和管理用于训练 LLM 的多语言数据集。
• 制定保持翻译一致性和质量的策略。

这种以讲师为主导的现场江苏省（在线或现场）培训面向希望利用 LLM 进行金融市场分析和预测的中级金融分析师、数据科学家和投资专业人士。

在培训结束时，参与者将能够：

• 了解LLM在金融市场分析中的应用。
• 使用 LLM 处理财经新闻、报告和数据以获得市场洞察。
• 开发股票价格、市场趋势和经济指标的预测模型。
• 将 LLM 见解整合到投资决策过程中。

这种由讲师指导的 江苏省（在线或现场）现场培训面向希望使用 LLM 进行环境建模和分析的中级环境科学家和研究人员、数据分析师以及政策制定者和环境倡导者。

在培训结束时，参与者将能够：

• 了解法学硕士在环境科学中的应用。
• 利用 LLM 对环境数据进行分析和建模。
• 解释用于环境影响评估的 LLM 输出。
• 有效地传达调查结果，为政策和保护工作提供信息。

本课程为讲师指导的线下或线上培训，面向中级水平的VR和AR开发者、游戏设计师及AI工程师，旨在帮助他们将LLM（大语言模型）融入VR和AR应用中，以创建更具吸引力和响应性的环境。

培训结束后，学员将能够：

• 理解LLM在创建沉浸式VR和AR体验中的作用。
• 开发利用LLM进行互动对话和内容生成的VR和AR应用。
• 将LLM与VR和AR开发工具集成，以增强用户参与度。
• 应用最佳实践，设计虚拟空间中的AI驱动叙事和互动。

这种以讲师为主导的 江苏省（在线或现场）现场培训面向希望将 Large Language Models (LLMs) 应用于高级 AI 应用程序的多模态数据的中级数据科学家、机器学习工程师和软件开发人员。

在培训结束时，参与者将能够：

• 了解使用LLM进行多模态学习的原理。
• 实现 LLM 以处理和分析文本、图像和音频数据。
• 开发利用多模态数据集成优势的应用程序。
• 评估多模式 LLM 系统的性能。

这种以讲师为主导的 江苏省（在线或现场）现场培训面向希望利用 LLM 来增强网络安全措施和威胁情报的中级网络安全专业人员和数据科学家。

在培训结束时，参与者将能够：

• 了解 LLM 在网络安全中的作用。
• 实现用于威胁检测和分析的 LLM。
• 利用 LLM 实现安全自动化和响应。
• 将 LLM 与现有安全基础架构集成。

这种以讲师为主导的 江苏省（在线或现场）现场培训面向希望利用大型语言模型 （LLM） 预测各个行业的趋势和行为的中级数据科学家和业务分析师。

在培训结束时，参与者将能够：

• 了解 LLM 的基础知识及其在预测分析中的作用。
• 实施 LLM 来分析和预测各个行业的数据。
• 使用 LLM 评估预测模型的有效性。
• 将 LLM 与现有数据处理管道集成。

这种以讲师为主导的 江苏省（在线或现场）现场培训面向希望获得 Large Language Models (LLMs) 和 Reinforcement Learning （RL） 全面理解和实践技能的中级数据科学家。

在培训结束时，参与者将能够：

• 了解变压器模型的组件和功能。
• 针对特定任务和应用程序优化和微调 LLM。
• 了解强化学习的核心原则和方法。
• 了解强化学习技术如何提高 LLM 的性能。

这种以讲师为主导的现场培训江苏省（在线或现场）面向希望利用 LLM 的力量在各个领域生成高质量、多样化和引人入胜的内容的中级内容创作者、营销人员和教育技术人员。

在培训结束时，参与者将能够：

• 了解 LLM 的功能及其在内容生成中的应用。
• 设置和使用 LLM 来生成各种类型的内容。
• 应用最佳实践来提示和微调 LLM 以产生所需的输出。
• 评估 AI 生成内容的质量，并针对特定受众进行优化。
• 探索使用 LLM 生成创意和多模态内容的高级技术。

这种以讲师为主导的江苏省（在线或现场）现场培训面向具有不同经验和专业知识水平的教育工作者、教育技术专业人士和研究人员，他们希望利用 LLM 来创造个性化的教育体验。

在培训结束时，参与者将能够：

• 了解 LLM 的体系结构和功能。
• 使用 LLM 确定教育内容个性化的机会。
• 设计利用 LLM 进行内容个性化的自适应学习平台。
• 实施 LLM 驱动的策略，以提高学生的参与度和学习成果。
• 评估 LLM 在教育环境中的有效性，并做出数据驱动的决策

这是一个由讲师指导的江苏省（线上或线下）培训课程，针对中级机器学习从业者和AI开发者，他们希望微调并部署如LLaMA、Mistral和Qwen等开放权重模型，以用于特定的业务或内部应用。

在培训结束时，参与者将能够：

• 理解开源LLM的生态系统及其差异。
• 为LLaMA、Mistral和Qwen等模型准备数据集和微调配置。
• 使用Hugging Face Transformers和PEFT执行微调管道。
• 在安全环境中评估、保存和部署微调后的模型。

这种以讲师为主导的江苏省（在线或现场）现场培训面向希望在语音识别和合成系统中实施 LLM 的初级到中级软件开发人员和数据科学家。

在培训结束时，参与者将能够：

• 了解 LLM 在语音技术中的作用。
• 实现 LLM 以实现准确的语音识别和自然的语音合成。
• 将 LLM 与语音识别引擎和语音合成器集成。
• 使用 LLM 评估和改进语音系统的性能。
• 随时了解语音技术的当前趋势和未来方向。

这种以讲师为主导的 江苏省（在线或现场）实时培训面向希望实施 LLM 以创建响应迅速且智能的客户支持聊天机器人的初级到中级客户支持和 IT 专业人员。

在培训结束时，参与者将能够：

• 了解 Large Language Models (LLMs) 的基础知识和架构。
• 设计 LLM 并将其集成到客户支持系统中。
• 增强聊天机器人的响应能力和用户体验。
• 解决道德考虑并确保符合行业标准。
• 为实际应用程序部署和维护基于 LLM 的聊天机器人。

这是由讲师指导的江苏省（线上或线下）培训，旨在帮助中级数据科学家和AI工程师，使用LoRA、Adapter Tuning和Prefix Tuning等方法，以更经济高效的方式微调大型语言模型。

在培训结束时，参与者将能够：

• 理解参数高效微调方法背后的理论。
• 使用Hugging Face PEFT实现LoRA、Adapter Tuning和Prefix Tuning。
• 比较PEFT方法与完整微调的性能和成本权衡。
• 部署和扩展微调后的LLM，并减少计算和存储需求。

本次由讲师主导的培训在江苏省（线上或线下）面向中高级机器学习工程师、AI开发人员和数据科学家，旨在帮助他们学习如何使用QLoRA高效地微调大模型，以完成特定任务和定制化需求。

通过本培训，参与者将能够：

• 理解QLoRA和LLMs量化技术的理论基础。
• 在微调大语言模型时实现QLoRA，以应用于特定领域。
• 通过量化优化微调性能，利用有限的计算资源。
• 高效地部署和评估微调模型在实际应用中的表现。

这种以讲师为主导的 江苏省（在线或现场）现场培训面向希望应用 LLM 来分析和解释来自各种文本来源（如社交媒体帖子、产品评论和客户反馈）的公众情绪的中级数据和营销专业人士。

在培训结束时，参与者将能够：

• 了解情绪分析的原理及其使用 LLM 的应用。
• 预处理和准备用于情绪分析的数据集。
• 训练和微调 LLM 以准确反映文本中的情绪。
• 实时分析来自社交媒体和其他文本来源的情绪。
• 将情绪分析结果整合到业务战略和决策流程中。

这种以讲师为主导的 江苏省（在线或现场）现场培训面向希望利用 LLM 来简化其编码工作流程并创建详细、全面的文档的中级软件开发人员和技术作家。

在培训结束时，参与者将能够：

• 了解 LLM 在自动化代码生成和软件文档方面的作用。
• 利用 LLM 创建准确高效的代码片段和文档。
• 将 LLM 集成到其软件开发生命周期中，以提高生产力。
• 使用自动化工具维护高质量的文档标准。
• 解决在软件开发中使用 AI 的道德考虑和最佳实践。

这种以讲师为主导的江苏省（在线或现场）现场培训面向希望利用 LLM 的力量来提取业务见解的中级业务专业人员和数据分析师。

在培训结束时，参与者将能够：

• 了解 LLM 在商业智能环境中的基础知识和应用。
• 应用 LLM 来分析大型数据集并提取有意义的见解。
• 将 LLM 驱动的分析集成到战略业务决策流程中。
• 评估在业务中使用 LLM 的道德考虑和最佳实践。
• 预测 AI 的未来趋势，并为不断发展的商业智能环境做好准备。

这种以讲师为主导的现场培训（线上或现场）面向希望掌握 LlamaIndex 来开发由 LLM 驱动的创新应用程式的中级到高级开发人员和资料科学家。

在培训结束时，参与者将能够：

• 设置和配置 LlamaIndex 以用于 LLM。
• 使用 LlamaIndex 索引和查询自订数据集以增强 LLM 功能。
• 设计和开发利用 LlamaIndex 和 LLM 的复杂应用程式。
• 了解并应用使用 LLM 和 LlamaIndex 的最佳实践。
• 了解部署 LLM 支援的应用程式所涉及的道德注意事项。

本次由讲师指导的线下培训（线上或线下）面向中级水平的AI研究员、机器学习专业人士和数据科学家，旨在帮助他们使用LlamaIndex增强AI模型的能力，使其在各种应用中更加准确和可靠。

培训结束后，学员将能够：

• 理解LlamaIndex的原理和组件。
• 为LLMs（大型语言模型）摄取和结构化数据。
• 实施上下文增强以提高AI模型的性能。
• 将LlamaIndex集成到现有的AI系统和工作流程中。

本课程为讲师指导的实时培训，在江苏省（线上或线下）进行，面向希望利用提示工程和少样本学习来优化LLM性能的中级专业人士。

培训结束后，学员将能够：

• 理解提示工程和少样本学习的原理。
• 为各种NLP任务设计有效的提示。
• 利用少样本技术以最少的数据适应LLMs。
• 为实际应用优化LLM性能。

LangGraph是一个用于构建有状态、多参与者LLM应用的框架，它通过可组合的图结构实现持久状态，并对执行过程进行精确控制。

本课程为讲师指导的培训（线上或线下），面向中高级专业人员，旨在帮助他们设计、实施和操作基于LangGraph的法律解决方案，并确保必要的合规性、可追溯性和治理控制。

培训结束后，学员将能够：

• 设计特定于法律的LangGraph工作流程，确保可审计性和合规性。
• 将法律本体和文档标准集成到图状态和处理中。
• 实施护栏、人工审批和可追溯的决策路径。
• 在生产环境中部署、监控和维护LangGraph服务，并确保可观测性和成本控制。

课程形式

• 互动式讲座与讨论。
• 大量练习与实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需定制本课程，请联系我们进行安排。

本培训由讲师指导，提供线上或线下培训，面向希望实施大语言模型（LLM）系统以进行自动化翻译、质量评估和企业治理的高级工程师、AI专家和本地化负责人。

培训结束后，参与者将能够：

• 构建企业级LLM本地化管道，集成开源和专有模型。
• 实施自动化QA工作流程和质量指标，确保翻译一致性。
• 建立多语言内容生产的治理和审批框架。
• 在安全环境中部署可扩展、可审计的基于LLM的本地化系统。

AI for SQL 是将人工智能和大语言模型（LLMs）应用于自动化、优化和增强SQL查询在企业数据环境中的生成、执行和解释方式。

本课程为讲师指导的培训（线上或线下），面向中级数据工程师和技术主管，旨在帮助他们将AI能力集成到SQL工作流中，实现自然语言查询、智能优化和自动化数据分析。

通过本培训，参与者将能够：

• 将GPT、DeepSeek、LLaMA、Qwen和Mistral等大语言模型集成到SQL环境中。
• 构建自然语言到SQL的管道，实现对话式数据访问。
• 实施AI驱动的查询优化和错误检测。
• 设计安全、可审计的AI-SQL工作流，供企业使用。

课程形式

• 互动讲座与讨论。
• 大量练习与实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

LangGraph 是一个用于构建有状态、多参与者 LLM 应用的框架，通过可组合的图结构实现持久状态和执行控制。

本次由讲师主导的培训（线上或线下）面向中级到高级专业人士，旨在帮助他们设计、实施和运营基于 LangGraph 的金融解决方案，确保其具备适当的治理、可观测性和合规性。

通过本次培训，参与者将能够：

• 设计与监管和审计要求一致的金融专用 LangGraph 工作流。
• 将金融数据标准和本体集成到图状态和工具中。
• 为关键流程实施可靠性、安全性和人工介入控制。
• 部署、监控和优化 LangGraph 系统，以满足性能、成本和 SLA 要求。

课程形式

• 互动式讲座与讨论。
• 大量练习与实践。
• 在实时实验室环境中进行实际操作。

课程定制选项

• 如需定制本课程，请联系我们安排。

Vertex AI 提供了强大的工具，用于构建多模态 LLM 工作流程，将文本、音频和图像数据集成到单一管道中。通过长上下文窗口支持和 Gemini API 参数，它能够实现规划、推理和跨模态智能的高级应用。

本次由讲师指导的培训（线上或线下）面向希望设计、构建和优化 Vertex AI 中多模态 AI 工作流程的中高级从业者。

培训结束后，学员将能够：

• 利用 Gemini 模型处理多模态输入和输出。
• 实施长上下文工作流程以进行复杂推理。
• 设计集成文本、音频和图像分析的管道。
• 优化 Gemini API 参数以提高性能和成本效益。

课程形式

• 互动讲座和讨论。
• 多模态工作流程的实践实验室。
• 基于项目的多模态应用案例练习。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

LangGraph 支持由 LLM 驱动的有状态、多参与者工作流，并能精确控制执行路径和状态持久化。在医疗领域，这些功能对于合规性、互操作性以及构建符合医疗工作流的决策支持系统至关重要。

本次讲师主导的培训（线上或线下）面向中高级专业人员，旨在帮助他们设计、实施和管理基于 LangGraph 的医疗解决方案，同时应对监管、道德和操作挑战。

培训结束后，参与者将能够：

• 设计符合合规性和可审计性的医疗专用 LangGraph 工作流。
• 将 LangGraph 应用与医疗本体和标准（FHIR、SNOMED CT、ICD）集成。
• 在敏感环境中应用可靠性、可追溯性和可解释性的最佳实践。
• 在医疗生产环境中部署、监控和验证 LangGraph 应用。

课程形式

• 互动式讲座与讨论。
• 基于真实案例的实践练习。
• 在实时实验环境中进行实施实践。

课程定制选项

• 如需定制本课程，请联系我们安排。

本次由讲师主导的培训（线上或线下）面向中级AI开发者和本地化工程师，旨在帮助他们使用专有和开源的LLMs设计可扩展的自动化翻译管道。

培训结束后，学员将能够：

• 使用现代LLM框架和API设计和部署翻译工作流。
• 将开源和商业模型集成到可扩展的翻译系统中。
• 通过微调、提示工程和自动化优化翻译质量。
• 为企业环境实施成本效益高且合规的翻译基础设施。

LangGraph 是一个用于构建有状态、多参与者 LLM 应用的框架，它支持将应用构建为具有持久状态和执行控制的可组合图。

本次由讲师主导的培训（线上或线下）面向高级 AI 平台工程师、AI DevOps 和 ML 架构师，旨在帮助他们优化、调试、监控和操作生产级 LangGraph 系统。

通过本培训，参与者将能够：

• 设计和优化复杂的 LangGraph 拓扑结构，以提高速度、降低成本并增强可扩展性。
• 通过重试、超时、幂等性和基于检查点的恢复机制来构建可靠性。
• 调试和追踪图执行过程，检查状态，并系统地复现生产问题。
• 为图添加日志、指标和追踪，部署到生产环境，并监控 SLA 和成本。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行实际操作。

课程定制选项

• 如需定制本课程，请联系我们安排。

本次由讲师指导的培训在江苏省（线上或线下）进行，面向中级开发者，旨在帮助他们学习如何将生成式AI与LLMs应用于各种任务和领域。

培训结束后，参与者将能够：

• 解释生成式AI是什么及其工作原理。
• 描述驱动LLMs的Transformer架构。
• 使用经验缩放法则针对不同任务和约束优化LLMs。
• 应用最先进的工具和方法训练、微调和部署LLMs。
• 讨论生成式AI对社会和商业的机遇与风险。

LLMs和自主代理框架如AutoGen和CrewAI正在重新定义DevOps团队如何通过模拟人类协作和决策来自动化任务，例如变更跟踪、测试生成和警报分类。

本课程为讲师主导的培训（线上或线下），面向希望设计和实施由大型语言模型（LLMs）和多代理系统驱动的DevOps自动化工作流程的高级工程师。

培训结束后，学员将能够：

• 将基于LLM的代理集成到CI/CD工作流程中，实现智能自动化。
• 使用代理自动化测试生成、提交分析和变更摘要。
• 协调多个代理进行警报分类、生成响应和提供DevOps建议。
• 使用开源框架构建安全且可维护的代理驱动工作流程。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需定制本课程，请联系我们安排。

Postgres 是一种先进的开源关系型数据库，可以作为 AI 驱动系统和数据智能应用的基础。

本次由讲师指导的培训（线上或线下）面向中级数据库专业人员和开发人员，他们希望直接在 Postgres 中集成、管理和优化 AI 功能。

培训结束后，参与者将能够：

• 为 AI 工作负载设置和配置 Postgres 扩展。
• 使用 pgvector 实现嵌入和相似性搜索。
• 将开源和专有的 LLM 与 Postgres 集成，以获取实时洞察。
• 优化 Postgres 以处理 AI 驱动的查询和工作流。

课程形式

• 互动讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中动手实施。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

本次由讲师指导的线下或线上培训，面向中级到高级的AI开发者、架构师和产品经理，旨在帮助他们识别和缓解与LLM驱动的应用程序相关的风险，包括提示注入、数据泄露和未经过滤的输出，同时融入输入验证、人在回路监督和输出防护等安全控制措施。

培训结束后，参与者将能够：

• 理解基于LLM系统的核心漏洞。
• 将安全设计原则应用于LLM应用架构。
• 使用诸如Guardrails AI和LangChain等工具进行验证、过滤和安全防护。
• 将沙盒测试、红队演练和人在回路审查等技术集成到生产级流程中。

LangGraph是一个基于图的编排框架，支持条件化、多步骤的LLM和工具工作流，非常适合自动化和个性化内容管道。

本次由讲师指导的培训（线上或线下）面向中级营销人员、内容策略师和自动化开发人员，旨在帮助他们使用LangGraph实现动态、分支的电子邮件营销活动和内容生成管道。

培训结束后，学员将能够：

• 使用条件逻辑设计图结构的内容和电子邮件工作流。
• 集成LLM、API和数据源以实现自动化个性化。
• 在多步骤活动中管理状态、内存和上下文。
• 评估、监控和优化工作流性能和交付结果。

课程形式

• 互动讲座和小组讨论。
• 动手实验，实现电子邮件工作流和内容管道。
• 基于场景的练习，涵盖个性化、分段和分支逻辑。

课程定制选项

• 如需定制本课程，请联系我们进行安排。

这种由讲师指导的 江苏省 现场培训（在线或现场）面向希望为特定任务和数据集自定义预训练模型的中高级专业人员。

在本次培训结束时，参与者将能够：

• 了解微调的原理及其应用。
• 准备数据集以微调预训练模型。
• 为 NLP 任务微调大型语言模型 （LLM）。
• 优化模型性能并解决常见挑战。

LangGraph 是一个用于构建图结构 LLM 工作流的框架，支持分支、工具使用、内存和可控执行。

本次由讲师指导的培训（线上或线下）面向中级工程师和产品团队，他们希望将 LangGraph 的图逻辑与 LLM 代理循环相结合，以构建动态、上下文感知的应用程序，如客户支持代理、决策树和信息检索系统。

在培训结束时，参与者将能够：

• 设计基于图的工作流，协调 LLM 代理、工具和内存。
• 实现条件路由、重试和回退，以确保稳健执行。
• 将检索、API 和结构化输出集成到代理循环中。
• 评估、监控并强化代理行为，以确保可靠性和安全性。

课程形式

• 互动讲座和引导讨论。
• 在沙盒环境中进行引导实验和代码演练。
• 基于场景的设计练习和同行评审。

课程定制选项

• 如需为此课程定制培训，请联系我们安排。

LLMs 用于代码理解、重构和 Documentation 是一门技术课程，专注于应用大型语言模型（LLMs）来提升代码质量，减少技术债务，并自动化软件团队中的文档任务。

这门由讲师主导的培训（线上或线下）面向中高级软件专业人士，他们希望使用 GPT 等 LLMs 更有效地分析、重构和记录复杂或遗留的代码库。

在培训结束时，参与者将能够：

• 使用 LLMs 解释不熟悉的代码库中的代码、依赖关系和逻辑。
• 识别并重构反模式，提升代码可读性。
• 自动生成并维护内联注释、README 文件和 API 文档。
• 将 LLM 驱动的洞察整合到现有的 CI/CD 和审查工作流程中。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手实践。

课程定制选项

• 如需为本课程定制培训，请联系我们进行安排。

这种由讲师指导的现场培训江苏省（在线或远程）面向希望使用 LLM 执行各种 NLP 任务并为不同目的创建新颖多样内容的中级数据科学家、AI 开发人员和 AI 爱好者。

在培训结束时，参与者将能够：

• 使用 LLM 和基本工具建立开发环境。
• 使用 LLM 熟练地执行 NLU 和 NLI 任务。
• 有效地提取、推断和利用知识图谱。
• 使用 LLM 为对话应用程序生成和管理对话。
• 评估 LLM 和生成式 AI 生成的内容质量和多样性。
• 应用道德原则，确保公平和负责任地使用法学硕士。

LangGraph 是一个用于构建图结构 LLM 应用的框架，支持规划、分支、工具使用、内存和可控执行。

本次由讲师指导的培训（线上或线下）面向初级开发者、提示工程师和数据从业者，旨在帮助他们使用 LangGraph 设计和构建可靠的多步骤 LLM 工作流。

培训结束后，参与者将能够：

• 解释 LangGraph 的核心概念（节点、边、状态）及其使用场景。
• 构建支持分支、调用工具和保持内存的提示链。
• 将检索和外部 API 集成到图工作流中。
• 测试、调试和评估 LangGraph 应用的可靠性和安全性。

课程形式

• 互动讲座和引导讨论。
• 在沙盒环境中进行指导实验和代码演练。
• 基于场景的设计、测试和评估练习。

课程定制选项

• 如需为此课程定制培训，请联系我们安排。

这种由讲师指导的 江苏省 现场培训（在线或现场）面向希望使用大型语言模型完成各种自然语言任务的初级到中级开发人员。

在本次培训结束时，参与者将能够：

• 设置包含常用 LLM 的开发环境。
• 创建基本 LLM 并在自订数据集上对其进行微调。
• 将 LLM 用于不同的自然语言任务，例如文本摘要、问答、文字生成等。
• 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具调试和评估 LLM。

本次讲师指导的培训（线上或线下）面向中级工程师和架构师，帮助他们使用腾讯混元部署大型和MoE模型，降低延迟，提高吞吐量，并更好地控制成本。

培训结束后，学员将能够：解释混元生产部署模式，优化推理性能，实施批处理和量化策略，并规划可扩展的服务运营。

本课程由讲师主导，提供江苏省（线上或线下）培训，面向中级开发者、技术产品团队和AI从业者，帮助他们使用混元模型创建用于图像、3D和视频生成与交付的多模态应用。

培训结束后，参与者将能够：构建基于提示的工作流，生成和审查多模态资产，通过应用或API提供输出，并将混元功能与企业产品栈连接。

本课程为讲师指导的培训（线上或线下），面向希望使用MCP将AI助手与外部工具、数据和企业服务连接的初级/中级/高级AI专业人员。

培训结束后，参与者将能够：解释MCP概念，识别关键架构组件，设置基本集成，并应用安全优秀实践。

本课程为讲师指导的培训，在江苏省（线上或线下）进行，面向中级企业架构师，旨在帮助他们使用模型上下文协议设计安全、可扩展且可治理的代理集成平台，适用于企业环境。

培训结束后，学员将能够：解释MCP架构和企业模式，设计安全的集成平台，应用治理和访问控制，并评估部署和扩展选项。

本次由讲师指导的培训江苏省（线上或线下）面向中级开发者、架构师和平台工程师，他们希望通过MCP构建可靠的企业部署和操作服务器和客户端。

培训结束后，学员将能够：解释MCP架构的实际应用，构建生产就绪的集成，部署和观察MCP服务，并应用版本控制、弹性和支持模式。

本课程由讲师指导，提供江苏省（线上或线下）培训，面向中级IT领导者、合规专业人员、安全团队和企业架构师，他们希望利用主权AI原则和治理实践来设计AI环境，以保护敏感数据、支持本地化要求并减少供应商锁定。

通过本培训，学员将能够：解释主权AI概念，评估托管和治理选项，定义提示和日志的控制措施，并制定实用的采用路线图。