课程大纲

Conversational AI 和小型语言模型 (SLM) 简介

  • 对话式 AI 的基础知识
  • SLM概述及其优势
  • SLM在交互式应用中的案例研究

设计会话流

  • 人机交互设计原理
  • 制作引人入胜且自然的对话
  • 用户体验 (UX) 注意事项

构建客户服务机器人

  • 客户服务机器人的用例
  • 将 SLM 集成到客户服务平台中
  • 使用 AI 处理常见的客户查询

用于交互的训练 SLM

  • 对话式 AI 的数据收集
  • 对话系统中可持续土地地雷的培训技术
  • 针对特定交互场景微调模型

评估交互质量

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

语音交互和多模态交互

  • 将语音识别与 SLM 相结合
  • 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

个性化和情境理解

  • 个性化交互的技术
  • 上下文感知对话处理
  • 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 的道德框架
  • 识别和减轻互动中的偏见
  • 确保人工智能通信的包容性和公平性

部署和扩展

  • 部署对话式 AI 系统的策略
  • 扩展 SLM 以广泛使用
  • 部署后监控和维护 AI 交互

顶点项目

  • 确定所选领域对对话式 AI 的需求
  • 使用 SLM 开发原型
  • 测试和演示交互式应用程序

最终评估

  • 提交顶点项目报告
  • 功能性对话式 AI 系统演示
  • 基于创新、用户参与和技术执行的评估

摘要和后续步骤

要求

  • 对人工智能的基本了解和 Machine Learning
  • 熟练使用Python编程
  • 自然语言处理概念的经验

观众

  • 数据科学家
  • 机器学习工程师
  • 人工智能研究人员和开发人员
  • 产品经理和用户体验设计师
 14 小时

即将举行的公开课程

课程分类