Python 驅動大語言模型開發與AI Agent應用實務班第01期

Python環境建置與基礎語法：變數與常數、變數命名、資料型別(String、Integer、Float、Boolean、Byte)、字串處理、容器
Python 程式流程與邏輯控制：邏輯判斷(if/else、if/elif…)、迴圈(for、while)、迴圈控制(break、continue)
商用大語言模型生態概覽：非開源（Non-open-source）大語言模型介紹(GPT、Claude、Gemini)
LLM 運作機制與推理參數實作：使用LangChain 呼叫 LLM 並實際調參觀查 LLM 運作變化 (Tokens、Temperature、Top-k、Top-p 等參數介紹）
本地大語言模型部署與管理：本地部署大模型佈署平台（Ollama、Hugging Face、LM-Studio）
提示詞工程與推理行為設計：Prompt Engineering提示詞工程、最佳化與結果控制(思考鏈Chain-of-Thought、範例學習Few-shot Prompt、角色設定Role Prompt、推理 + 行動ReAct Prompt)
RAG 與語意檢索核心原理：檢索增強生成RAG、文字轉向量Embedding、向量資料庫Vector Stores 概念簡介
RAG 工程實作與框架比較：RAG建置佈署、Embedding選型、商用 vs 開源 embedding 比較、建置向量資料庫(FAISS、Chroma)、語意檢索(Top-K)、切分 Chunk、使用LlamaIndex快速建 RAG、LangChain模組化建 RAG
LangChain 應用流程與 LLM 編排：Langchain框架簡介、LangChain整合 Ollama使用地端LLM
LLM 工具擴充與行為外部化：LLM擴充工具使用（Tools）與函式調用（Function Calling）介紹
Function Calling 與外部服務整合實作：Function Calling 機制實作、函式定義與 JSON Schema 規範、自定義函式供模型呼叫、工具應用串接外部 API
AI Agent 決策流程與行為模型：AI Agent介紹、AI Agent框架(Google ADK、AutoGen)、ReAct（Reasoning + Acting）架構與 Agent Thought 模型解析
大語言模型微調與效能調校策略：微調與PEFT技術原理介紹(LoRA、QLoRA)
模型微調與應用整合實務：DPO 與 LoRA、SFT 與 QLoRA 微調 LLM與Prompting、RAG結合實作
MCP 架構與模型工具生態：MCP 架構Server / Client、Claude / OpenAI 的 MCP 生態介紹、Claude MCP 與 MCP Client 實作、自建 MCP Server(Python fastmcp)、客製化MCP工具
LLM 應用整合實戰：串接 Line Bot × LLM（GPT / Gemini / Agent）：Line Messaging API、Function Calling、串接MCP 工具

學歷：不限
年齡：年滿15歲以上
資格條件：具基本電腦操作能力，學員需自備筆電(筆電：Windows 或macOS系統均可) a. 軟體研發工程師：欲轉型投入AI應用開發，掌握LangChain框架、RAG技術與AI Agent架構，以構建高階智慧化應用程式並強化系統自動化能力的程式開發人員。 b. 系統整合專才：需協助企業導入本地端大語言模型，整合MCP架構與外部API服務，以打造安全、高效且客製化AI解決方案的系統整合工程師。 c. 數據與流程自動化人員：期望運用Python結合大語言模型進行業務流程自動化，透過Function Calling串接各類工具，大幅優化工作效率與決策品質的數據工作者。 d. AI產品專案經理：欲具備技術實作能力以驗證產品概念，透過Line Bot快速開發AI應用原型，精準評估技術可行性並加速產品落地的管理人員。 e. 數位轉型推動者：致力於在組織內導入生成式AI技術，利用模型微調與提示詞工程解決特定場景痛點，提升企業營運效能與創新能力的數位轉型專家。