返回课程
AI011
专业级
初学者的生成式人工智能
一门全面的课程，深入探讨生成式人工智能的基础知识、大型语言模型、提示工程，以及使用 Azure OpenAI 和 Power Platform 等工具开发人工智能应用。
5.0
21.0h
615 名学生
7 课时
0 点赞
人工智能
课程概述
内容概要
一个全面的课程体系，深入探讨生成式人工智能的基础知识、大型语言模型、提示工程，以及使用 Azure OpenAI 和 Power Platform 等工具开发 AI 驱动应用的方法。
掌握生成式 AI 的基础知识，并从零开始构建智能应用。
致谢： 微软、Azure 与 OpenAI。
学习目标
- 解释大型语言模型（LLM）的机械内部工作原理，包括分词、注意力机制和非确定性输出。
- 比较各类大型语言模型（基础模型、开源与专有模型，以及编码器/解码器架构），以选择适合业务场景的合适工具。
- 评估提升模型效果的策略，特别是决定在提示工程、检索增强生成（RAG）与微调之间如何取舍。
- 定义提示工程，并解释其作为生成式 AI 主要编程接口的作用。
- 区分基础 LLM 与指令微调型 LLM，理解它们对分词的处理方式。
- 使用指令、主要内容、提示线索和模板构建复杂提示。
- 使用
openai库构建并配置文本生成应用，管理环境变量，并通过调整温度参数控制输出多样性。 - 区分基于规则的聊天机器人与上下文感知的生成式 AI 应用，并实现微软的六大负责任 AI 原则。
- 通过将文本转换为嵌入向量（embeddings）并应用余弦相似度，执行语义搜索，从而在超越简单关键词匹配的基础上查找相关内容。
- 构建并配置图像生成应用，同时实施“元提示”以定义内容边界和安全性。