课程大纲

软体开发的AI介绍

  • Generative AI vs Predictive AI是什么
  • AI在编码、分析和自动化中的应用
  • LLM、变压器和深度学习模型的概述

AI辅助编码和预测开发

  • AI驱动的代码完成和生成(GitHub Copilot、CodeGeeX)
  • 在部署之前预测代码错误和漏洞
  • 自动化代码审查和优化建议

为软体应用程式构建预测模型

  • 了解时间序列预测和预测分析
  • 实施需求预测和异常检测的AI模型
  • 使用Python、Scikit-learn和TensorFlow进行预测建模

生成文本、代码和图像的Generative AI

  • 处理GPT、LLaMA和其他LLM
  • 生成合成数据、文本摘要和文档
  • 利用扩散模型创建AI生成的图像和视频

在现实世界的应用中部署AI模型

  • 使用Hugging Face、AWS和Google云端托管AI模型
  • 为业务应用构建基于API的AI服务
  • 针对特定领域任务微调预训练的AI模型

用于预测性Business洞察和决策的AI

  • 以AI驱动的商业智能和客户分析
  • 预测市场趋势和消费者行为
  • 使用AI自动化工作流程优化

伦理AI和开发中的最佳实践

  • AI辅助决策中的伦理考虑
  • AI模型中的偏见检测和公平性
  • 可解释和负责任的AI的最佳实践

动手工作坊和案例研究

  • 对现实世界数据集实施预测分析
  • 构建一个具有文本生成能力的AI驱动聊天机器人
  • 部署一个基于LLM的自动化应用程序

总结和结论

  • 关键要点回顾
  • 进一步学习的AI工具和资源
  • 最后的问答环节

要求

  • 对基本软体开发概念的了解
  • 任何程式语言的经验(Python建议使用)
  • 对机器学习或AI基础知识的熟悉(建议但不要求)

观众

  • 软体开发人员
  • AI/ML工程师
  • 技术团队负责人
  • 对AI驱动的应用程式感兴趣的产品经理
 21 小时

即将举行的公开课程

课程分类