課程簡介
本課程涵蓋了生成式AI（AIGC）的最新進(jìn)展與應(yīng)用，以及ChatGPT和GitHub Copilot的深入了解和實(shí)際應(yīng)用。課程內(nèi)容包括AIGC的基本概念、對PGC和UGC的調(diào)整、大語言模型的基本概念、LLM和傳統(tǒng)AI的區(qū)別、AIGC目前的主要應(yīng)用領(lǐng)域和可能的應(yīng)用領(lǐng)域、ChatGPT應(yīng)用展示、midjourney應(yīng)用展示等。此外，課程還探討了ChatGPT的工作原理、使用ChatGPT進(jìn)行文本生成的方法、ChatGPT的未來發(fā)展和應(yīng)用前景，以及ChatGPT在軟件研發(fā)全生命周期中的應(yīng)用場景與案例。同時(shí)，課程還介紹了GitHub Copilot及其應(yīng)用領(lǐng)域，并探討了如何使用GitHub Copilot進(jìn)行編程。
目標(biāo)收益
了解生成式AI（AIGC）的最新進(jìn)展與應(yīng)用；
掌握ChatGPT和GitHub Copilot的基本概念和工作原理；
學(xué)會(huì)使用ChatGPT進(jìn)行文本生成和軟件研發(fā)全生命周期中的應(yīng)用；
掌握GitHub Copilot在編程領(lǐng)域的應(yīng)用；
了解ChatGPT和GitHub Copilot的未來發(fā)展和應(yīng)用前景。
培訓(xùn)對象
軟件研發(fā)負(fù)責(zé)人，研發(fā)管理負(fù)責(zé)人，運(yùn)維負(fù)責(zé)人，DevOps負(fù)責(zé)人，測試負(fù)責(zé)人，工程效能負(fù)責(zé)人
軟件架構(gòu)師，資深研發(fā)工程師
運(yùn)維架構(gòu)師，資深運(yùn)維工程師，DevOps工程師，SRE
測試架構(gòu)師，資深測試工程師
研發(fā)管理人員，研發(fā)流程工程師
課程大綱
| 第一章 生成式AI（AIGC）的最新進(jìn)展與應(yīng)用 |
1.1.- AIGC的基本概念 1.2.- 對PGC和UGC的調(diào)整 1.3.- 大語言模型的基本概念 1.4.- LLM和傳統(tǒng)AI的區(qū)別 1.5.- AIGC目前的主要應(yīng)用領(lǐng)域 1.6.- AIGC目前的可能的應(yīng)用領(lǐng)域 1.7.- chatGPT應(yīng)用展示 1.8.- midjourney應(yīng)用展示 |
| 第二章 ChatGPT及其應(yīng)用領(lǐng)域 |
2.1.- 什么是ChatGPT 2.2.- GPT和chatGPT的關(guān)系 2.3.- ChatGPT的歷史和發(fā)展 2.4.- ChatGPT在自然語言處理、聊天機(jī)器人等領(lǐng)域的應(yīng)用 2.5.- 提示工程（Prompt Engineering）的基本概念 |
| 第三章 人人可以理解的ChatGPT的工作原理 |
3.1.- ChatGPT的架構(gòu)和模型 3.2.- ChatGPT的訓(xùn)練數(shù)據(jù)和算法 3.3.- ChatGPT的生成過程和輸出結(jié)果 3.4.- ChatGPT的局限性 3.5.- ChatGPT的安全性 3.6.- ChatGPT的涌現(xiàn)能力 3.7.- ChatGPT的思維鏈 3.8.- GPT3，GPT3.5，GPT4和文心一言的能力對比 |
| 第四章 使用ChatGPT進(jìn)行文本生成（Prompt的深入應(yīng)用） |
4.1.- 使用預(yù)訓(xùn)練模型生成文本 4.2.- 使用微調(diào)模型生成特定領(lǐng)域的文本 4.3.- 使用ChatGPT生成對話和聊天內(nèi)容 4.4.- Prompt如何使用 4.5.- Prompt使用進(jìn)階 4.6.- Prompt的最佳實(shí)踐（FlowGPT） |
| 第五章 ChatGPT的未來發(fā)展和應(yīng)用前景 |
5.1.- ChatGPT的未來發(fā)展方向 5.2.- ChatGPT在各行業(yè)中的應(yīng)用前景 5.3.- ChatGPT與其他人工智能技術(shù)的關(guān)系和比較 5.4.- ChatGPT的風(fēng)險(xiǎn)與不確定性應(yīng)對 5.5.- ChatGPT的技術(shù)演化方向 5.6.- ChatGPT的法律風(fēng)險(xiǎn) 5.7.- ChatGPT的哲學(xué)思考 |
| 第六章 chatGPT在軟件研發(fā)全生命周期中的應(yīng)用場景與案例 |
6.1.- 軟件研發(fā)全流程中LLM擅長的部分 6.2.- 軟件研發(fā)全流程中LLM不擅長的部分 6.3.- 需求分析階段chatGPT的應(yīng)用場景與案例 6.4.- 頂層設(shè)計(jì)階段chatGPT的應(yīng)用場景與案例 6.5.- 詳細(xì)設(shè)計(jì)階段chatGPT的應(yīng)用場景與案例 6.6.- 編碼階段chatGPT的應(yīng)用場景與案例 6.7.- 代碼評審階段chatGPT的應(yīng)用場景與案例 6.8.- 單元測試階段chatGPT的應(yīng)用場景與案例 6.9.- 接口測試階段chatGPT的應(yīng)用場景與案例 6.10.- 安全測試階段chatGPT的應(yīng)用場景與案例 6.11.- 持續(xù)集成流水中chatGPT的應(yīng)用場景與案例 6.12.- 持續(xù)發(fā)布中chatGPT的應(yīng)用場景與案例 6.13.- 性能測試階段chatGPT的應(yīng)用場景與案例 6.14.- 測試結(jié)果分析中chatGPT的應(yīng)用場景與案例 6.15.- 運(yùn)維領(lǐng)域chatGPT的應(yīng)用場景與案例 6.16.- SRE實(shí)踐中chatGPT的應(yīng)用場景與案例 |
| 第七章 介紹GitHub Copilot及其應(yīng)用領(lǐng)域 |
7.1.- 什么是GitHub Copilot 7.2.- GitHub Copilot的歷史和發(fā)展 7.3.- GitHub Copilot在編程領(lǐng)域的應(yīng)用 |
| 第八章 使用GitHub Copilot進(jìn)行編程 |
8.1.- 在Visual Studio Code中安裝和使用GitHub Copilot 8.2.- 使用GitHub Copilot生成代碼片段和函數(shù) 8.3.- 使用GitHub Copilot進(jìn)行代碼補(bǔ)全和自動(dòng)完成 8.4.- 使用GitHub Copilot進(jìn)行代碼重構(gòu)和優(yōu)化 8.5.- 更多GitHub Copilot的進(jìn)階應(yīng)用 8.6.- 局部編程實(shí)踐案例解讀 8.7.- GitHub Copilot對軟件開發(fā)的深度思考 |
| 第九章 實(shí)踐Copilot X的應(yīng)用 |
9.1.- 實(shí)踐Copilot Chat的使用 9.2.- 實(shí)踐Copilot Voice的使用 9.3.- 實(shí)踐Copilot CLI的使用 9.4.- 實(shí)踐Copilot Pull Request的使用 9.5.- 實(shí)踐Copilot Doc的使用 9.6.- 實(shí)踐Copilot Next的各種探索 |
| 第十章 軟件研發(fā)企業(yè)中ChatGPT的應(yīng)用場景 |
10.1.- GPT和靜態(tài)代碼掃描的結(jié)合 10.2.- GPT和單元測試的結(jié)合 10.3.- GPT和代碼評審的結(jié)合 10.4.- GPT和接口測試的結(jié)合 10.5.- GPT和CI流水的結(jié)合 10.6.- GPT和測試結(jié)果分析的結(jié)合 10.7.- GPT和性能測試結(jié)果分析的結(jié)合 |
| 第十一章 各類AIGC場景深度解讀 |
11.1.- 文生圖能力的使用（大量行業(yè)案例） 11.2.- 與日程辦公的結(jié)合（Office Copilot的案例） 11.3.- 其他各類可能使用場景解讀（國內(nèi)外最新案例） |
|
第一章 生成式AI（AIGC）的最新進(jìn)展與應(yīng)用 1.1.- AIGC的基本概念 1.2.- 對PGC和UGC的調(diào)整 1.3.- 大語言模型的基本概念 1.4.- LLM和傳統(tǒng)AI的區(qū)別 1.5.- AIGC目前的主要應(yīng)用領(lǐng)域 1.6.- AIGC目前的可能的應(yīng)用領(lǐng)域 1.7.- chatGPT應(yīng)用展示 1.8.- midjourney應(yīng)用展示 |
|
第二章 ChatGPT及其應(yīng)用領(lǐng)域 2.1.- 什么是ChatGPT 2.2.- GPT和chatGPT的關(guān)系 2.3.- ChatGPT的歷史和發(fā)展 2.4.- ChatGPT在自然語言處理、聊天機(jī)器人等領(lǐng)域的應(yīng)用 2.5.- 提示工程（Prompt Engineering）的基本概念 |
|
第三章 人人可以理解的ChatGPT的工作原理 3.1.- ChatGPT的架構(gòu)和模型 3.2.- ChatGPT的訓(xùn)練數(shù)據(jù)和算法 3.3.- ChatGPT的生成過程和輸出結(jié)果 3.4.- ChatGPT的局限性 3.5.- ChatGPT的安全性 3.6.- ChatGPT的涌現(xiàn)能力 3.7.- ChatGPT的思維鏈 3.8.- GPT3，GPT3.5，GPT4和文心一言的能力對比 |
|
第四章 使用ChatGPT進(jìn)行文本生成（Prompt的深入應(yīng)用） 4.1.- 使用預(yù)訓(xùn)練模型生成文本 4.2.- 使用微調(diào)模型生成特定領(lǐng)域的文本 4.3.- 使用ChatGPT生成對話和聊天內(nèi)容 4.4.- Prompt如何使用 4.5.- Prompt使用進(jìn)階 4.6.- Prompt的最佳實(shí)踐（FlowGPT） |
|
第五章 ChatGPT的未來發(fā)展和應(yīng)用前景 5.1.- ChatGPT的未來發(fā)展方向 5.2.- ChatGPT在各行業(yè)中的應(yīng)用前景 5.3.- ChatGPT與其他人工智能技術(shù)的關(guān)系和比較 5.4.- ChatGPT的風(fēng)險(xiǎn)與不確定性應(yīng)對 5.5.- ChatGPT的技術(shù)演化方向 5.6.- ChatGPT的法律風(fēng)險(xiǎn) 5.7.- ChatGPT的哲學(xué)思考 |
|
第六章 chatGPT在軟件研發(fā)全生命周期中的應(yīng)用場景與案例 6.1.- 軟件研發(fā)全流程中LLM擅長的部分 6.2.- 軟件研發(fā)全流程中LLM不擅長的部分 6.3.- 需求分析階段chatGPT的應(yīng)用場景與案例 6.4.- 頂層設(shè)計(jì)階段chatGPT的應(yīng)用場景與案例 6.5.- 詳細(xì)設(shè)計(jì)階段chatGPT的應(yīng)用場景與案例 6.6.- 編碼階段chatGPT的應(yīng)用場景與案例 6.7.- 代碼評審階段chatGPT的應(yīng)用場景與案例 6.8.- 單元測試階段chatGPT的應(yīng)用場景與案例 6.9.- 接口測試階段chatGPT的應(yīng)用場景與案例 6.10.- 安全測試階段chatGPT的應(yīng)用場景與案例 6.11.- 持續(xù)集成流水中chatGPT的應(yīng)用場景與案例 6.12.- 持續(xù)發(fā)布中chatGPT的應(yīng)用場景與案例 6.13.- 性能測試階段chatGPT的應(yīng)用場景與案例 6.14.- 測試結(jié)果分析中chatGPT的應(yīng)用場景與案例 6.15.- 運(yùn)維領(lǐng)域chatGPT的應(yīng)用場景與案例 6.16.- SRE實(shí)踐中chatGPT的應(yīng)用場景與案例 |
|
第七章 介紹GitHub Copilot及其應(yīng)用領(lǐng)域 7.1.- 什么是GitHub Copilot 7.2.- GitHub Copilot的歷史和發(fā)展 7.3.- GitHub Copilot在編程領(lǐng)域的應(yīng)用 |
|
第八章 使用GitHub Copilot進(jìn)行編程 8.1.- 在Visual Studio Code中安裝和使用GitHub Copilot 8.2.- 使用GitHub Copilot生成代碼片段和函數(shù) 8.3.- 使用GitHub Copilot進(jìn)行代碼補(bǔ)全和自動(dòng)完成 8.4.- 使用GitHub Copilot進(jìn)行代碼重構(gòu)和優(yōu)化 8.5.- 更多GitHub Copilot的進(jìn)階應(yīng)用 8.6.- 局部編程實(shí)踐案例解讀 8.7.- GitHub Copilot對軟件開發(fā)的深度思考 |
|
第九章 實(shí)踐Copilot X的應(yīng)用 9.1.- 實(shí)踐Copilot Chat的使用 9.2.- 實(shí)踐Copilot Voice的使用 9.3.- 實(shí)踐Copilot CLI的使用 9.4.- 實(shí)踐Copilot Pull Request的使用 9.5.- 實(shí)踐Copilot Doc的使用 9.6.- 實(shí)踐Copilot Next的各種探索 |
|
第十章 軟件研發(fā)企業(yè)中ChatGPT的應(yīng)用場景 10.1.- GPT和靜態(tài)代碼掃描的結(jié)合 10.2.- GPT和單元測試的結(jié)合 10.3.- GPT和代碼評審的結(jié)合 10.4.- GPT和接口測試的結(jié)合 10.5.- GPT和CI流水的結(jié)合 10.6.- GPT和測試結(jié)果分析的結(jié)合 10.7.- GPT和性能測試結(jié)果分析的結(jié)合 |
|
第十一章 各類AIGC場景深度解讀 11.1.- 文生圖能力的使用（大量行業(yè)案例） 11.2.- 與日程辦公的結(jié)合（Office Copilot的案例） 11.3.- 其他各類可能使用場景解讀（國內(nèi)外最新案例） |
近期公開課推薦
