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
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