人工智能准备和数据素养：工作的未来

MP4 |视频：h264，1920×1080 |音频：AAC、44.1 KHz、2 Ch
级别：所有级别 |类型： 电子学习 |语言： 英语 |时长：16 场讲座 ( 1h 58m )

你将学到什么

✓ 区分人工智能、机器学习和生成式人工智能，以建立标准化的专业词汇。
✓ 解释大型语言模型 (LLM) 的机制，包括标记化和下一个标记预测，以了解工具的局限性。
✓ 应用“无用输入，无用输出”原则，通过优化输入数据的质量和结构来提高人工智能输出。
✓ 制定与组织目标和数据相一致的精确、诊断性和规范性业务问题
✓ 执行先进的提示工程技术，利用“上下文-指令-约束”框架来获得一致的结果。
✓ 实施“人在循环”(HITL) 工作流程来验证 AI 生成的内容并减轻与幻觉相关的风险。
✓ 遵守企业数据隐私协议，特别是识别和保护个人身份信息 (PII)。
✓ 在分析 AI 驱动的见解时区分相关性和因果关系，以防止逻辑错误
✓ 利用人工智能处理非结构化数据，将文档、电子邮件和文字记录转换为可操作的结构化格式。
✓ 识别并减轻人工智能输出中的算法偏差，以确保道德和包容性的商业实践。

要求

● 无需技术编码经验。
● 对一般业务流程和数据处理有基本了解会很有帮助。
● 建议使用生成式 AI 工具（例如 ChatGPT、Microsoft Copilot、Gemini）进行练习。

描述

“本课程包含人工智能的使用。”
将人工智能集成到企业环境中代表了操作工作流程的根本转变。仅将人工智能视为后端实用程序已经不够了；它已经发展成为一个前端协作者，需要一套新的专业能力。本课程“人工智能准备和数据素养：工作的未来”提供了一个严格的咨询级框架，用于在业务环境中理解和利用生成式人工智能。
我们超越炒作周期，建立标准化词汇和对智能生态系统的功能理解。参与者将清楚地了解机器学习、深度学习和生成人工智能之间的区别，特别关注大型语言模型 (LLM) 的概率性质。通过揭开人工智能预测、代币和参数的“黑匣子”的神秘面纱，我们使专业人士能够精确地而不是猜测地使用这些工具。
本课程的一个关键组成部分是人工智能实用性和数据素养的交叉点。随着组织释放非结构化数据（约占企业信息的 80%）的价值，输入质量成为输出成功的主要决定因素。我们探索人工智能背景下的“垃圾进，垃圾出”原则，强调数据结构和卫生方面人类监督的必要性。
课程结构旨在促进即时应用
• 智能生态系统：建立技术基础并理解向基础模型的转变。
• 决策的数据素养：区分相关性与因果关系，构建精确的业务问题，并遵守严格的数据隐私协议。
•增强工作流程：通过先进的提示工程（情境-指令-约束）和迭代细化来实施“副驾驶”方法。
• 负责任的人工智能：减轻与幻觉、算法偏差和知识产权相关的风险，同时强化“人在循环”(HITL) 标准。
我们还解决“人的溢价”问题，即同理心、战略判断和复杂谈判等特定软技能，这些软技能在自动化的环境中仍然面向未来。景观。本课程专为需要采用结构化、安全且有效的方法来采用人工智能技术的具有前瞻性思维的专业人士、经理和团队而设计。它侧重于生产力的实用机制以及在算法时代保持组织完整性所需的道德责任。

本课程适合谁

■ 知识工作者寻求将人工智能工具集成到日常工作流程中以提高生产力。
■ 业务分析师和数据专业人员旨在了解传统数据素养和生成式人工智能的交叉点。
■ 负责监督部门内人工智能采用和治理的经理和团队领导。
■ 企业员工希望提高快速工程和负责任的人工智能使用方面的技能。