从传统人工智能到生成式人工智能
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
AI-102
课程概述
AI-102 旨在培养学习者对生成式人工智能和大语言模型的实用素养，无需具备高等数学或编程基础。
学生将学习基础模型、词元化、嵌入、Transformer、注意力机制、模型训练、多模态生成、提示、检索、微调、智能体、评估、安全及负责任的部署。
本课程强调，表达流畅的输出并不必然准确。学习者将练习如何界定证据要求、测试符合实际情况的案例，并确保由负有责任的人类进行审查。
学习目标
您将学到什么
-
01
解释预测式人工智能与生成式人工智能之间的区别。
-
02
定义基础模型和大语言模型。
-
03
说明词元、上下文窗口和嵌入。
-
04
从概念层面解释 Transformer 和注意力机制。
-
05
说明预训练、后训练、微调和对齐。
-
06
比较文本、图像、音频、视频和代码生成。
-
07
恰当地运用提示、检索和工具集成。
-
08
识别幻觉、偏见、安全和隐私风险。
-
09
利用具有代表性的任务特定证据评估模型。
-
10
设计负责任的生成式人工智能采用方案。
十个结构化模块
课程体系
基础模型与大语言模型
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
词元、上下文窗口与嵌入
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
Transformer、注意力机制与模型架构
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
生成式模型如何学习
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
生成文本、图像、音频、视频与代码
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
提示、检索、微调与人工智能智能体
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
幻觉、偏见、安全与可靠性
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
生成式人工智能模型的评估与选择
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
生成式人工智能的未来与人类的负责任使用
结构化课程内容包括学习目标、讲解、关键术语、案例研究、应用练习及十道题的知识测验。
官方推荐教材
First BCI University《生成式人工智能与大语言模型》
清晰解读基础模型、Transformer、词元、嵌入与机器生成内容
- 作者
- Konstantin Titov
官方推荐教材依照 AI-102 十模块课程体系编写，提供更为详尽的讲解、示例、复习题和应用活动。
现已提供安全下载的电子书，售价为 US$12.99。
购买本书 — US$12.99成功完成课程
考核与结业
考核项目
- 十个模块均设有知识测验，每项测验包含十道题。
- 每个模块均包含应用练习和案例研究分析。
- 学生的课程进度将记录在学习环境中。
- 涵盖 AI-102 全部课程内容的期末考核。
结业要求
- 学习全部十个模块。
- 每个模块的知识测验成绩均须达到至少 70%。
- 完成规定的应用学习活动。
- 通过期末考核。
AI-102 课程注册
开始学习生成式人工智能与大语言模型
US$145
安全的在线学习权限包括全部十个模块、知识测验、进度跟踪和期末考核；成功完成课程后，还可获得电子版结业证书。
立即购买课程