Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengantar Model Bahasa Besar Open-Source (LLMs)
- Gambaran umum DeepSeek, Mistral, LLaMA, dan model open-source lainnya
- Cara kerja LLMs: Transformers, self-attention, dan pelatihan
- Perbandingan antara model LLM open-source dengan model proprietary
Penyetelan dan Penyesuaian LLMs
- Persiapan data untuk penyetelan ulang
- Pelatihan dan optimasi LLMs menggunakan Hugging Face
- Evaluasi kinerja model dan mitigasi bias
Membangun Agen AI dengan LLMs
- Pengenalan LangChain untuk pengembangan agen AI
- Desain alur kerja berbasis agen dengan LLMs
- Memori, generasi yang didukung oleh pemulihan (RAG), dan eksekusi tindakan
Menerapkan Agen AI Berbasis LLMs
- Containerisasi agen AI dengan Docker
- Integrasi LLMs ke dalam aplikasi perusahaan
- Penskalaan agen AI dengan layanan cloud dan API
Keamanan dan Kepatuhan dalam AI Perusahaan
- Pertimbangan etis dan kepatuhan regulasi
- Mitigasi risiko dalam otomatisasi AI
- Pemantauan dan audit perilaku agen AI
Studi Kasus dan Aplikasi Nyata
- Asisten virtual berbasis LLMs
- Otomatisasi dokumen berbasis AI
- Agen AI kustom untuk analitik perusahaan
Optimisasi dan Pemeliharaan Agen Berbasis LLMs
- Perbaikan dan pembaruan model berkelanjutan
- Penerapan siklus umpan balik dan pemantauan
- Strategi untuk optimisasi biaya dan penyetelan kinerja
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pemahaman kuat tentang AI dan machine learning
- Pengalaman dengan pemrograman Python
- Kenalan dengan model bahasa besar (LLMs) dan pemrosesan bahasa alami (NLP)
Audience
- Insinyur AI
- Pengembang perangkat lunak enterprise
- Pemimpin bisnis
21 Jam
Testimoni (1)
Pelatih menjawab pertanyaan secara langsung.
Adrian
Kursus - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Diterjemahkan Mesin