LLMOps 大師班 2026 - 生成式 AI - MLOps - AIOps

解鎖未來：掌握生成式 AI、MLOps、AIOps – 具有開放 AI 和 Hugging Face 模型的 LLMOps 部署到產品

從這 16.5 小時的課程，你會學到

深入了解生成式人工智慧( Genarative AI )，包括其對日常生活和現實應用的影響。
探索 AI 層次、類型以及生成式( generative )模型和判別性( discriminative )模型之間的差別等基本概念。
了解提示工程( Prompt Engineering )，包括其架構、組件和提示產生技術。
了解語言模型 ( LLM，Large Language Model ) 的技術細節、其培訓過程及其企業應用。
透過使用 ChatGPT 和 Hugging Face Library 建立 LLM 應用程式來培養實務經驗。
掌握使用 FastAPI、Docker 和 Kubernetes 等技術打包和部署 AI 應用程式的藝術。
使用 GitHub Actions 實施持續整合和持續部署 (CI/CD) 管道，確保高效的專案管理。
探索生產中 LLM 模型的監控技術，確保其可靠性和性能。
取得必要的 LLMOps 基礎知識，包括版本控制系統、Git 設定和 CICD 演示。
為 AI 開發和營運的行業標準和最佳實踐做好準備，確保為現實世界的挑戰做好準備。

要求

對 AI 的基本了解：熟悉 AI 的基本概念，包括機器學習和深度學習，將為課程奠定堅實的基礎。
程式設計能力：強烈建議精通至少一種程式語言，例如 Python，因為許多實踐練習和專案都涉及編碼。
命令列介面 (CLI) 知識：對使用命令列介面的基本了解將有助於在整個課程中執行命令和管理應用程式。
熟悉 Git：了解版本控制系統和Git操作的基礎知識將有助於管理專案儲存庫和與同行協作。
雲端運算基礎：對雲端運算概念的基本了解，尤其是 Google Cloud Platform (GCP) 等平台，將有利於部署應用程式和使用 Kubernetes。
雖然不是強制性的，但具備這些先決條件將增強學習體驗，並確保學生能夠充分參與課程材料和實踐練習。此外，學習和探索新技術的強烈意願對於 2024 年 LLMOps 大師班的成功至關重要。

課程說明

透過我們的綜合課程「LLMOps – 生成式 AI – MLOps – AIOps 大師班2025」釋放生成式AI 的潛力。技能。

以下是您的學習歷程（按部分）：

課程簡介：透過「即時工程法學碩士營運簡介」深入了解法學碩士營運的世界。深入了解法學碩士營運的基礎和即時工程的重要性。
駕馭生成式 AI 海嘯：探索生成式人工智慧對日常生活的深遠影響。從了解 AI 基礎知識到探索其多樣化的應用，透過「生成式 AI 對日常生活的影響」和「生成式 AI 的現實世界應用」等模組，為自己配備必要的知識。
生成式 AI入門：透過涵蓋「生成式模型與判別式模型」和「生成式人工智慧的現實世界應用」等主題的模組，更深入地研究生成式人工智慧概念。獲得實務經驗並釋放這項變革性技術的潛力。
提示( Prompt )工程：揭開即時工程背後的秘密，了解其在世界各地的廣泛關注。透過為實際實施量身定制的綜合模組，了解 Prompt Generation 的架構、組件、策略和技術。
LLM 的技術細節：深入了解 LLM 及其基本原理。透過旨在增強您的技術專業知識的詳細模組，探索LLM 培訓、企業應用程式以及 LLM 背後的理念等主題。
專案 1 – 使用 ChatGPT 建立 LLM 申請：透過開展使用 ChatGPT 建立 LLM 申請的專案，將您的知識付諸實踐。從先決條件到部署，專案將指導您完成流程的每一步，確保實踐學習。
打包 AI/LLM 應用程式：學習使用 FastAPI、Docker 等模組高效打包和部署 AI 應用程式。掌握容器化( containerization )的藝術，並透過業界標準實務簡化您的部署流程。
使用 Kubernetes 部署容器應用程式：了解 Kubernetes 在部署和編排容器化應用程式方面的強大功能。從安裝到擴展，了解 Kubernetes 部署的細節並提高您在容器管理方面的熟練程度。
Github Actions：探索 GitHub Actions 在自動化工作流程和增強協作方面的功能。從介紹到實施，掌握根據您的特定用例配置工作流程的藝術。
在 Google Cloud 上設定 Kubernetes：釋放 Google Cloud Platform 的 Kubernetes 部署潛力。從設定帳戶到測試部署檔案，獲得有關在 GKE 叢集上執行應用程式的實用見解。
使用 Github Actions 實作 CI/CD – GKE：透過持續整合和持續部署來優化您的開發管道。了解如何配置 GitHub Secrets、遵守行業標準並簡化部署流程以實現無縫專案管理。
Hugging Face Library 簡介：探索 Hugging Face Library 在建立 AI 應用程式中的多功能性。從文字分類到微調模型，探索這個強大的工具包提供的巨大可能性。
專案 2 – 使用 Hugging Face 建立生成 AI 應用程式：透過一個專注於建立產生 AI 應用程式的專案來測試您的 Hugging Face 技能。從理解文字產生管道到設定 CI/CD 管道，提升您在 AI 開發方面的專業知識。
生產中LLM模型的監控：透過監控技術確保生產中LLM模型的可靠性和性能。探索 WhyLabs 和 Langkit 等平台，深入了解監控和優化 LLM 應用程式。
LLMOps 基礎：透過涵蓋版本控制系統、Git 設定和 CICD 演示的模組來掌握 LLM Ops 的基礎知識。加強您在 LLM Ops 方面的基礎，並為先進概念做好準備。

踏上掌握 LLM Ops 的旅程，並在不斷發展的人工智慧領域保持領先地位。今天就加入我們，開啟一個充滿無限可能的世界。

目標受眾

人工智慧愛好者：對人工智慧充滿熱情並渴望探索生成式人工智慧和 MLOps 等高級主題的個人會發現本課程對於擴展他們的專業知識很有價值。
資料科學家和機器學習工程師：從事資料科學和機器學習角色、尋求加深對人工智慧操作（包括模型部署、監控和最佳化）理解的專業人士將從本課程中受益。
軟體工程師：有興趣將人工智慧技術融入其應用程式並了解人工智慧模型部署和管理的操作方面的開發人員會發現本課程高度相關。
人工智慧研究人員：旨在增強對實際人工智慧部署和操作的理解的研究人員，特別是在生成人工智慧的背景下，將從本課程中獲得寶貴的見解。
IT 專業人員和 DevOps 工程師：參與 IT 營運和 DevOps 的專業人士如果希望擴展自己的技能以涵蓋 AI Ops 和 Kubernetes 等雲端原生技術，將會發現本課程有利於職業發展。
企業家和創新者：尋求利用人工智慧技術創新和開發新產品和服務的個人將獲得構建和部署人工智慧應用程式的寶貴知識和實踐技能。

講師簡介

Manifold AI Learning ® 了解未來 – 資料科學、機器學習和人工智慧

Manifold AI Learning ® 是一所線上學院，旨在為學生提供可直接應用於解決資料科學、機器學習和人工智慧領域現實世界問題的知識和技能。

查看我們的講師簡介以取得完整的課程清單。

祝您學習一切順利。

ManifoldAILearning ® 團隊

《學習未來》

字幕：英文

想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

Udemy 永久擁有課程許多課程約 NT400(點擊連結看更多)
✨年訂閱每月 NT350(再享特別優惠：年度訂閱首年享 25% 折扣) 🌈 悠遊 Udemy 的 26000+ 門課，最大化學習 ( 原價 NT635/月 )
Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
手機上點選優惠連結看到的價格比電腦上看到的貴
＄代表當地貨幣, 如在台灣為 NT
點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現