感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
深度思考模式基础
- 理解深度思考架构
- 深度与广度推理模式
- 评估何时适合使用深度思考
长上下文推理
- 处理扩展的输入序列
- 在长输出中保持连贯性
- 跟踪依赖和约束
迭代和多步骤问题解决
- 设计逐步推理提示词
- 验证中间结论
- 构建推理循环和优化
高级分析工作流
- 构建复杂研究问题
- 数据驱动的推理管道
- 情景建模和预测
高风险领域的深度思考
- 风险敏感的问题框架
- 评估关键决策
- 确保一致性和可追溯性
用于深度思考优化的提示工程
- 构建高产出提示词
- 塑造模型的内部推理路径
- 管理歧义和不确定性
将深度思考集成到应用中
- 结合深度思考与多模态输入
- 将推理功能嵌入工作流
- 自动化和系统级编排
评估和优化技术
- 评估推理质量和可靠性
- 错误分析和纠正模式
- 持续改进推理管道
总结与后续步骤
要求
- 理解机器学习原理
- 具备基于Python的AI工作流经验
- 熟悉API驱动的模型集成
目标学员
- 研究人员
- 数据科学家
- AI战略家
14 小时
客户评论 (1)
演讲中的流程、氛围与主题
Lukasz Kowalczyk - Allegro Sp. z o.o.
课程 - Google Gemini AI for Data Analysis
机器翻译