4006-998-758
3000+课程任你选择
AI时代的软件工程师必修课
研发学院 AI 软件工程师 开课时间:2023-12-14
Nathan Bu

微软中国高级研发经理

就职于微软移动体验产品部,负责搭建Phone Link 项目工程系统,保证产品质量。具有多年软件质量优化和保障经验;并负责带领团队,推动微软开源云测试平台Hydra Lab的构建和完善;在分布式测试系统、智能测试、对话式质量保证系统方面获得多项专利;所构建的Hydra Lab系统在全球多个研发中心部署,服务于微软内部多个核心产品线;2023年初开始,结合所带领团队的产品场景,推动Azure OpenAI智能能力的产品赋能;对软件测试、质量保障场景下的提示词优化、LLM落地有深入理解和研究;所著书籍《现代软件工程最佳实践》即将出版。


查看老师详情
课程内容

章节单元

内容

核心价值与逻辑

课程导言

1.AI时代简报:当今的AI可以帮你做什么?

2.大模型时代工程师的生涯疑问

结合时下AI快讯,引出话题,抛出问题。

 

AI理论知识脉络:从机器学习到大语言模型

 

1.什么是AI?AI模型的本质是什么?

2.从简单的分类器到神经网络中的数学原理

3.机器学习模型训练的5大核心关键词

4.从Seq2Seq到Transformer

5.从Transformer到GPT

6.大语言模型的演进和现状概览

快速构建AI基础概念认识,构建理论体系轮廓,为应用落地思考打下基础。

大模型的赋能场景

 

1.从对话到代码生成

2.更多大语言模型应用场景

3.扩散模型简介和实战应用

形成大模型基于场景的理解,并介绍图像生成。

AI应用实战开发技巧

 

1.Prompt Engineering实战指南

2.AI Agent:释放LLM智能的

3.流行AI Agent框架介绍

4.AutoGen实战

5.大语言模型微调的要点与实战

6.实战部署大语言模型

7.大语言模型的量化测评

8.AI大语言模型资源宝藏平台

结合实战演示和案例,全面深化对大模型的认识, 构建智能产品化、工程智能化的思考能力和综合构建能力。

软件智能化思维与实战

 

1.产品智能化思考的核心思路

2.软件研发流水线的智能赋能

l  软件工程全景介绍

l  Github Copilot X全面介绍

l  辅助编程 Copilot技巧

l  代码设计与生成

l  测试生成与智能测试

l  软件质量保障系统智能化

3.研发管理的思考问题

4.软件工程智能化的远景展望

分别从软件工程实践、 产品智能和研发管理角度切入,进一步带领学员思考智能提效的方法,并带来一些可应用的实战技巧、案例。

AI工具和职业发展赋能

 

1.工作中的智能提效方法一览:你私人职场助理

2.新时代工程师职业生涯规划建议

3.如何电脑端、手机方便地使用AI?

4.如何利用流行框架开发智能应用?

分享职场提效方法论、 回答导言中的疑问,并带来落地工具 。


返回上一级