课程简介
本课程涵盖了生成式AI（AIGC）的最新进展与应用，以及ChatGPT和GitHub Copilot的深入了解和实际应用。课程内容包括AIGC的基本概念、对PGC和UGC的调整、大语言模型的基本概念、LLM和传统AI的区别、AIGC目前的主要应用领域和可能的应用领域、ChatGPT应用展示、midjourney应用展示等。此外，课程还探讨了ChatGPT的工作原理、使用ChatGPT进行文本生成的方法、ChatGPT的未来发展和应用前景，以及ChatGPT在软件研发全生命周期中的应用场景与案例。同时，课程还介绍了GitHub Copilot及其应用领域，并探讨了如何使用GitHub Copilot进行编程。
目标收益
了解生成式AI（AIGC）的最新进展与应用；
掌握ChatGPT和GitHub Copilot的基本概念和工作原理；
学会使用ChatGPT进行文本生成和软件研发全生命周期中的应用；
掌握GitHub Copilot在编程领域的应用；
了解ChatGPT和GitHub Copilot的未来发展和应用前景。
培训对象
软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，测试负责人，工程效能负责人
软件架构师，资深研发工程师
运维架构师，资深运维工程师，DevOps工程师，SRE
测试架构师，资深测试工程师
研发管理人员，研发流程工程师
课程大纲
| 第一章 生成式AI（AIGC）的最新进展与应用 |
1.1.- AIGC的基本概念 1.2.- 对PGC和UGC的调整 1.3.- 大语言模型的基本概念 1.4.- LLM和传统AI的区别 1.5.- AIGC目前的主要应用领域 1.6.- AIGC目前的可能的应用领域 1.7.- chatGPT应用展示 1.8.- midjourney应用展示 |
| 第二章 ChatGPT及其应用领域 |
2.1.- 什么是ChatGPT 2.2.- GPT和chatGPT的关系 2.3.- ChatGPT的历史和发展 2.4.- ChatGPT在自然语言处理、聊天机器人等领域的应用 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的架构和模型 3.2.- ChatGPT的训练数据和算法 3.3.- ChatGPT的生成过程和输出结果 3.4.- ChatGPT的局限性 3.5.- ChatGPT的安全性 3.6.- ChatGPT的涌现能力 3.7.- ChatGPT的思维链 3.8.- GPT3，GPT3.5，GPT4和文心一言的能力对比 |
| 第四章 使用ChatGPT进行文本生成（Prompt的深入应用） |
4.1.- 使用预训练模型生成文本 4.2.- 使用微调模型生成特定领域的文本 4.3.- 使用ChatGPT生成对话和聊天内容 4.4.- Prompt如何使用 4.5.- Prompt使用进阶 4.6.- Prompt的最佳实践（FlowGPT） |
| 第五章 ChatGPT的未来发展和应用前景 |
5.1.- ChatGPT的未来发展方向 5.2.- ChatGPT在各行业中的应用前景 5.3.- ChatGPT与其他人工智能技术的关系和比较 5.4.- ChatGPT的风险与不确定性应对 5.5.- ChatGPT的技术演化方向 5.6.- ChatGPT的法律风险 5.7.- ChatGPT的哲学思考 |
| 第六章 chatGPT在软件研发全生命周期中的应用场景与案例 |
6.1.- 软件研发全流程中LLM擅长的部分 6.2.- 软件研发全流程中LLM不擅长的部分 6.3.- 需求分析阶段chatGPT的应用场景与案例 6.4.- 顶层设计阶段chatGPT的应用场景与案例 6.5.- 详细设计阶段chatGPT的应用场景与案例 6.6.- 编码阶段chatGPT的应用场景与案例 6.7.- 代码评审阶段chatGPT的应用场景与案例 6.8.- 单元测试阶段chatGPT的应用场景与案例 6.9.- 接口测试阶段chatGPT的应用场景与案例 6.10.- 安全测试阶段chatGPT的应用场景与案例 6.11.- 持续集成流水中chatGPT的应用场景与案例 6.12.- 持续发布中chatGPT的应用场景与案例 6.13.- 性能测试阶段chatGPT的应用场景与案例 6.14.- 测试结果分析中chatGPT的应用场景与案例 6.15.- 运维领域chatGPT的应用场景与案例 6.16.- SRE实践中chatGPT的应用场景与案例 |
| 第七章 介绍GitHub Copilot及其应用领域 |
7.1.- 什么是GitHub Copilot 7.2.- GitHub Copilot的历史和发展 7.3.- GitHub Copilot在编程领域的应用 |
| 第八章 使用GitHub Copilot进行编程 |
8.1.- 在Visual Studio Code中安装和使用GitHub Copilot 8.2.- 使用GitHub Copilot生成代码片段和函数 8.3.- 使用GitHub Copilot进行代码补全和自动完成 8.4.- 使用GitHub Copilot进行代码重构和优化 8.5.- 更多GitHub Copilot的进阶应用 8.6.- 局部编程实践案例解读 8.7.- GitHub Copilot对软件开发的深度思考 |
| 第九章 实践Copilot X的应用 |
9.1.- 实践Copilot Chat的使用 9.2.- 实践Copilot Voice的使用 9.3.- 实践Copilot CLI的使用 9.4.- 实践Copilot Pull Request的使用 9.5.- 实践Copilot Doc的使用 9.6.- 实践Copilot Next的各种探索 |
| 第十章 软件研发企业中ChatGPT的应用场景 |
10.1.- GPT和静态代码扫描的结合 10.2.- GPT和单元测试的结合 10.3.- GPT和代码评审的结合 10.4.- GPT和接口测试的结合 10.5.- GPT和CI流水的结合 10.6.- GPT和测试结果分析的结合 10.7.- GPT和性能测试结果分析的结合 |
| 第十一章 各类AIGC场景深度解读 |
11.1.- 文生图能力的使用（大量行业案例） 11.2.- 与日程办公的结合（Office Copilot的案例） 11.3.- 其他各类可能使用场景解读（国内外最新案例） |
|
第一章 生成式AI（AIGC）的最新进展与应用 1.1.- AIGC的基本概念 1.2.- 对PGC和UGC的调整 1.3.- 大语言模型的基本概念 1.4.- LLM和传统AI的区别 1.5.- AIGC目前的主要应用领域 1.6.- AIGC目前的可能的应用领域 1.7.- chatGPT应用展示 1.8.- midjourney应用展示 |
|
第二章 ChatGPT及其应用领域 2.1.- 什么是ChatGPT 2.2.- GPT和chatGPT的关系 2.3.- ChatGPT的历史和发展 2.4.- ChatGPT在自然语言处理、聊天机器人等领域的应用 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的架构和模型 3.2.- ChatGPT的训练数据和算法 3.3.- ChatGPT的生成过程和输出结果 3.4.- ChatGPT的局限性 3.5.- ChatGPT的安全性 3.6.- ChatGPT的涌现能力 3.7.- ChatGPT的思维链 3.8.- GPT3，GPT3.5，GPT4和文心一言的能力对比 |
|
第四章 使用ChatGPT进行文本生成（Prompt的深入应用） 4.1.- 使用预训练模型生成文本 4.2.- 使用微调模型生成特定领域的文本 4.3.- 使用ChatGPT生成对话和聊天内容 4.4.- Prompt如何使用 4.5.- Prompt使用进阶 4.6.- Prompt的最佳实践（FlowGPT） |
|
第五章 ChatGPT的未来发展和应用前景 5.1.- ChatGPT的未来发展方向 5.2.- ChatGPT在各行业中的应用前景 5.3.- ChatGPT与其他人工智能技术的关系和比较 5.4.- ChatGPT的风险与不确定性应对 5.5.- ChatGPT的技术演化方向 5.6.- ChatGPT的法律风险 5.7.- ChatGPT的哲学思考 |
|
第六章 chatGPT在软件研发全生命周期中的应用场景与案例 6.1.- 软件研发全流程中LLM擅长的部分 6.2.- 软件研发全流程中LLM不擅长的部分 6.3.- 需求分析阶段chatGPT的应用场景与案例 6.4.- 顶层设计阶段chatGPT的应用场景与案例 6.5.- 详细设计阶段chatGPT的应用场景与案例 6.6.- 编码阶段chatGPT的应用场景与案例 6.7.- 代码评审阶段chatGPT的应用场景与案例 6.8.- 单元测试阶段chatGPT的应用场景与案例 6.9.- 接口测试阶段chatGPT的应用场景与案例 6.10.- 安全测试阶段chatGPT的应用场景与案例 6.11.- 持续集成流水中chatGPT的应用场景与案例 6.12.- 持续发布中chatGPT的应用场景与案例 6.13.- 性能测试阶段chatGPT的应用场景与案例 6.14.- 测试结果分析中chatGPT的应用场景与案例 6.15.- 运维领域chatGPT的应用场景与案例 6.16.- SRE实践中chatGPT的应用场景与案例 |
|
第七章 介绍GitHub Copilot及其应用领域 7.1.- 什么是GitHub Copilot 7.2.- GitHub Copilot的历史和发展 7.3.- GitHub Copilot在编程领域的应用 |
|
第八章 使用GitHub Copilot进行编程 8.1.- 在Visual Studio Code中安装和使用GitHub Copilot 8.2.- 使用GitHub Copilot生成代码片段和函数 8.3.- 使用GitHub Copilot进行代码补全和自动完成 8.4.- 使用GitHub Copilot进行代码重构和优化 8.5.- 更多GitHub Copilot的进阶应用 8.6.- 局部编程实践案例解读 8.7.- GitHub Copilot对软件开发的深度思考 |
|
第九章 实践Copilot X的应用 9.1.- 实践Copilot Chat的使用 9.2.- 实践Copilot Voice的使用 9.3.- 实践Copilot CLI的使用 9.4.- 实践Copilot Pull Request的使用 9.5.- 实践Copilot Doc的使用 9.6.- 实践Copilot Next的各种探索 |
|
第十章 软件研发企业中ChatGPT的应用场景 10.1.- GPT和静态代码扫描的结合 10.2.- GPT和单元测试的结合 10.3.- GPT和代码评审的结合 10.4.- GPT和接口测试的结合 10.5.- GPT和CI流水的结合 10.6.- GPT和测试结果分析的结合 10.7.- GPT和性能测试结果分析的结合 |
|
第十一章 各类AIGC场景深度解读 11.1.- 文生图能力的使用（大量行业案例） 11.2.- 与日程办公的结合（Office Copilot的案例） 11.3.- 其他各类可能使用场景解读（国内外最新案例） |
近期公开课推荐