为您找到189个相关课程
展开简介
收益目标：1. 从AI技术的理论到真正的商业化应用落地，到底有哪些坑可以被避免 2. 了解如何构建真正具有基于技术核心竞争力的产品 3. 了解前沿的法律科技技术的案例
适应人群：暂无
关键词：
收益目标：结合实际应用举例和和业界趋势分析 主流技术方案、能力和发展方向
适应人群：对 AI 特别是深度学习算法原理和应用感兴趣
关键词：传统金融，互联网金融，制造，电信，人工智能
收益目标：暂无
关键词：互联网，人工智能
关键词：互联网，电商，支付平台，传统金融，互联网金融，可穿戴设备，医疗，智能家居，物联网，车联网，安全，制造，电信，政府机构，税务，快消品，其他，人工智能
收益目标：1.对产品经理：启发产品经理行业+AI的产品创造力，并通过建立完整系统的AI产品知识体系和运行逻辑认知。 2.对企业部门管理者或企业专门负责AI项目的高管：从宏观到微观理解一个AI项目，通过分析可能遇到的风险，提供不同的解决方法深度剖析一款AI产品的ROI，避免企业盲目投资。另外关于AI项目管理，也提供了具体的方法供参考。帮助企业提升产品竞争力、团队协作能力、以及个人创造力等。 3.对人力资源招聘负责人：理解AI产品经理到底是做什么的，能力要求是什么，什么样的人更适合做AI产品经理。
适应人群：适合传统IT企业、企业IT部门转型，产品赋能AI技术，提升公司内部相关员工人工智能设计思维。 学员基础：理解企业的AI项目目标，对人工智能有一定基础常识。
关键词：互联网，人工智能，创新
收益目标：a) 学员通过本次课程的学习，能理解目前AI的能力现况，什么可以做到？可以做到什么地步？可以节省多少钱？以及什么是目前做不到的，什么是假的AI。 b) 培养学员分辨学术派技术跟实际落地技术的差别。 c) 通过实际使用现有各种AI平台，了解标准问、扩展问、模型训练、多轮对话设计等等。
适应人群：a) 对AI有实际需求人员，包含中高层决策者，包含产品经理项目经理，包含技术开发人员。
关键词：其他，人工智能，人机交互、智能客服、自然语言理解、NLP、NLU、知识图谱、情感计算、客服质检、智能助手
收益目标：完成本课程后，学员将能够： 1.理解并掌握生成式人工智能（AIGC）的基本概念和技术体系，包括大语言模型（LLM）的工作原理和生态体系，以及OpenAI及其相关模型。 2.熟练掌握提示工程的概念和应用，能够构建和优化提示以改善LLM的输出质量，并熟悉提示工程的思维方式和最佳实践。 3.掌握AIGC开发环境的搭建和管理，包括获取和管理Open API Key，创建个人专属的ChatGPT游乐场进行提示词练习，搭建LLM开发环境，以及部署本地LLM模型实现离线应用开发。 4.通过实践操作，能够将理论知识转化为实际应用，具备利用AIGC技术开发创新和个性化应用解决方案的能力。 5.具备使用OpenAI和其他LLM开发AIGC应用的能力，能够独立解决实际问题，并在实际项目中应用所学知识。
适应人群：•对生成式人工智能（AIGC）和大语言模型（LLM）些技术感兴趣的初中级开发者和工程师。 •产品经理和项目经理，期待了解如何在自己的项目中应用和利用AIGC和LLM技术。 •需求创新的企业决策者，希望探索AIGC技术在他们的业务中的应用潜力，或者寻找新的业务机会。 •任何对OpenAI的ChatGPT和生成式模型感兴趣的技术人员，以及对未来技术发展和最新科技充满好奇心的人
关键词：其他，人工智能，创新
关键词：互联网，产品设计，人工智能，设计思维
收益目标：1、深入理解学AI的必要性和紧迫性 2、了解AI原理、在本行业、本岗位的应用结合 3、掌握用AI高效写文书、做PPT、输出数据报告等能力 4、本课程所教方法适用于绝大多数国内外生成式AI软件，例如ChatGPT、讯飞星火、百度文心一言、阿里通义千问、Kimi、豆包、秘塔AI搜索等。
适应人群：对AI感兴趣的零基础小白：希望了解AI的核心应用技巧，提升工作效率，解决实际业务问题的各岗位员工。 了解但未系统性掌握生成式AI的职场人士。
关键词：其他，人工智能，大数据
收益目标：1，整体把握机器学习、深度学习、数据挖掘的发展方向 2，了解机器学习、深度学习的技术框架 3，理解机器学习和深度学习的思维方式和关键技术 4，独立完成深度学习和机器学习在简单实际场景的落地应用
关键词：互联网，其他，机器学习，数据挖掘，项目管理，深度学习
收益目标：通过参与本课程，学员将能够获得必要的知识和技能，以在各自的领域中有效利用AIGC技术，开发创新的应用程序，并推动人工智能技术的发展。 •理解AIGC和LLM技术：使学员能够理解AIGC的概念、技术体系以及LLM的工作原理。 •掌握提示工程：教授学员如何构建和优化提示，以改善LLM的输出质量。 •开发环境搭建：指导学员如何获取和使用LLM API Key，以及如何使用Python代码实现流式自动对话。 •LangChain应用开发：深入学习LangChain的基本概念，掌握如何使用LangChain调用LLM API，以及如何串联不同的组件构建复杂的AIGC应用。 •记忆与代理机制：了解如何在AIGC应用中保存对话上下文，以及如何使用代理机制进行结构化工具对话。 •高级应用与工具箱：学习如何实现检索增强生成、连接数据库、异步通信机制，以及角色扮演等高级应用。 •自主可控开发底座：教授学员如何搭建API Gateway，管理API渠道和令牌，以及如何实现LLM模型的本地运行。 •低代码无代码平台构建：介绍如何部署低代码无代码AIGC应用开发平台，如Flowise，并实现基本会话机器人。 •应用部署：了解应用容器化部署，以及如何借助云服务快速上线自定义LLM应用。 •项目实战：通过构建客服Chatbot和知识库问答系统，让学员将所学知识应用于实际项目中。
适应人群：本课程适用于以下受众 •AI技术爱好者：对人工智能特别是生成式AI感兴趣的个人。 •数据科学家：需要使用LLM进行数据分析和模式识别的专业人士。 •软件开发者：希望将AIGC集成到其应用程序中的软件开发者。 •产品经理：负责设计和推出基于AIGC技术的产品的产品经理。 •研究人员和学者：在学术研究中探索AIGC应用的研究人员。 •企业决策者：寻求利用AIGC技术改进业务流程和提高效率的企业决策者。 •技术创业者：正在寻找利用AIGC技术创造新业务机会的创业者。
关键词：其他，人工智能，Python，API，容器，容器化，ai，AIGC
活动详情
To Be Better
注册或 找回密码?
