第 1 部分 生成式 AI 和 LLM 简介

在此视频中，我们将介绍：

• 我们的启动想法和使命简介。
• 生成式 AI 以及我们如何登陆当前技术格局。
• 大型语言模型的内部工作。
• 大型语言模型的主要功能和实际用例。

第 2 部分 探索和比较不同的 LLM 

在此视频中，我们将介绍：

• 当前布局中的不同类型的 LLM。
• 测试迭代和比较 Azure 中用例的不同模型。
• 如何部署和 LLM。

第 3 部分 使用负责任的生成 AI

在此视频中，我们将介绍：

• 生成生成生成 AI 应用程序时应优先考虑负责任的 AI 的原因。
• 负责任的 AI 的核心原则及其与生成 AI 的关系。
• 如何通过策略和工具将这些负责任的 AI 原则付诸实践。

第 4 部分 了解提示工程基础知识

在此视频中，我们将介绍：

• 解释什么是提示工程，以及为什么它很重要。
• 描述提示的组件及其使用方式。
• 了解提示工程的最佳做法和技术。
• 使用 OpenAI 终结点将学习的技术应用于实际示例。

第 5 部分  创建高级提示

在此视频中，我们将介绍：

• 应用提高提示结果的提示工程技术。
• 配置提示以改变输出。

第 6 部分 生成文本生成应用程序

在此视频中，我们将介绍：

• 了解 OpenAI 库及其核心概念。
• 使用 OpenAI 生成文本生成应用。
• 了解如何使用提示、温度和令牌等概念生成文本生成应用。

第 7部分 生成聊天应用程序

在此视频中，我们将介绍：

• 用于高效构建和集成聊天应用程序的技术。
• 如何对应用程序应用自定义和微调。
• 有效监视聊天应用程序的策略和注意事项。

第 8 部分 构建搜索应用矢量数据库

在此视频中，我们将介绍：

• 语义搜索与关键字搜索。
• 什么是文本嵌入。
• 创建文本嵌入索引。
• 搜索文本嵌入索引。

第 9 部分 生成映像生成应用程序

在此视频中，我们将介绍：

• 图像生成及其有用原因。
• DALL-E 和 Midjourney，他们是什么，以及他们的工作原理。
• 如何生成映像生成应用。

第 10 部分 构建低代码 AI 应用程序

在此视频中，我们将介绍：

• Power Platform 中的生成 AI 简介
• Copilot 简介以及如何使用它
• 使用生成 AI 在 Power Platform 中生成应用和流
• 使用 AI Builder 了解 Power Platform 中的 AI 模型

第 11 部分 将外部应用程序与函数调用集成

在此视频中，我们将介绍：

• 解释什么是函数调用及其用例。
• 使用 Azure OpenAI 创建函数调用。
• 如何将函数调用集成到应用程序中。

第 12 部分 设计 AI 应用程序的 UX

在此视频中，我们将介绍：

• 用户体验和了解用户需求简介。
• 设计 AI 应用程序以保持信任和透明度。
• 设计 AI 应用程序进行协作和反馈。

第 13 部分 保护生成式 AI 应用程序

在此视频中，我们将介绍：

• AI 系统上下文中的安全性。
• AI 系统的常见风险和威胁。
• 保护 AI 系统的方法和注意事项。

第 14 部分 生成式 AI 应用程序生命周期

在此视频中，我们将介绍：

• 了解 MLOps 到 LLMOps 的范例转变。
• LLM 生命周期。
• 生命周期工具。
• 生命周期计量和评估。

第 15 部分 检索扩充生成(RAG)和矢量数据库

在本课中，我们将介绍以下内容：

• RAG 简介、它是什么以及它为何在 AI（人工智能）中使用。
• 了解什么是向量数据库并为应用程序创建一个。
• 有关如何将 RAG 集成到应用程序中的实际示例。

第 16 部分 开源模型和Hugging Face

在本课中，我们将介绍以下内容：

• 了解开放源代码模型。
• 了解使用 开放源代码 模型的好处。
• 探索 Hugging Face 和 Azure AI Studio 上可用的开放模型。

第 17 部分 AI 代理

在此视频中，我们将介绍以下方面：

• 了解什么是 AI 代理 - 什么是 AI 代理？
• 探索四个不同的 AI 代理框架 - 是什么使它们独一无二？
• 将这些 AI 代理应用于不同的用例 - 何时应使用 AI 代理？

第 18 部分 AI 代理

在此视频中，我们将介绍：

• 语言模型的微调是什么？
• 何时以及为什么微调很有用？
• 如何微调预先训练的模型？
• 微调的限制是什么？