LLM-Based AI Agents for Enterprise Automation

• 对人工智慧和机器学习有深入了解
• 具备Python程式设计经验
• 熟悉大型语言模型(LLMs)和自然语言处理(NLP)

观众

• AI工程师
• 企业软体开发人员
• Business领导者

随著像DeepSeek、Mistral 和 LLaMA 等开源模型的兴起，企业正在为各种工作流程部署自定义 AI 代理。

这门由讲师主导的实时培训（在线或现场）旨在帮助希望为企业应用程序定制和部署基于 LLM 的 AI 代理的高级 AI 工程师、企业软件开发人员和商业领袖。

结束时，参加者将能够：

• 了解开源 LLM 的架构和能力。
• 针对企业用例定制和微调 LLM。
• 使用LangChain和Hugging Face部署 AI 代理。
• 将 LLM 驱动的代理集成到业务工作流程中。

课程格式

• 互动讲座和讨论。
• 大量练习和实践。
• 在实验室环境中进行实地实施。

课程定制选项

• 要请求此课程的定制培训，请联系我们安排。

开源LLM介绍

• 开源模型概述DeepSeek、Mistral、LLaMA及其他模型
• LLM的工作原理：变压器、自我注意力和训练
• 开源LLM与专有模型的比较

调整Fine-Tuning和定制LLM

• 微调的数据准备
• 使用Hugging Face训练和优化LLM
• 评估模型性能和偏见缓解

使用LLM构建AI Agents

• AI代理开发入门LangChain
• 用LLM设计基于代理的工作流程
• 记忆、检索增强生成(RAG)和行动执行

部署基于LLM的AI Agents

• 用Docker为AI代理容器化
• 将LLM集成到企业应用程序中
• 用云服务和API扩展AI代理

企业AI中的安全性和合规性

• 伦理考虑和法规遵从
• 减轻AI驱动的自动化中的风险
• 监控和审计AI代理行为

案例研究和实际应用

• LLM驱动的虚拟助手
• AI驱动的文档自动化
• 用于企业分析的定制AI代理

优化和维护基于LLM的代理

• 持续的模型改进和更新
• 部署监控和反馈循环
• 成本优化和性能调优的策略

总结和结论