在本 Modulation 中，您将学习如何使用生成式 AI 工具构建自己的类 ChatGPT 应用程序。作为项目的一部分，您将在 Python 中使用 Hugging Face 的 Transformers 库来处理 Facebook 的 BlenderBot 模型。您将探索 Large Language Model (LLM)、Prompt 工程和用户界面设计等关键部分。实际阅读和实验将指导您通过 API 集成模型并部署应用程序。您还将获得 Gradio 和 Hugging Face 等框架的实践经验。课程结束时，您将具备创建和定制自己的对话式 AI 网络应用程序的能力。

在本 Modulation 中，您将探索如何通过将 OpenAI 的 GPT-3 与 IBM Watson 的语音到文本和文本到语音服务相结合来构建一个生成式 AI 驱动的语音助手。您将学习如何构建应用程序，如何使用 Docker 进行容器化以实现一致部署，以及如何实现一个能够理解口语输入并通过合成语音自然响应的基本语音助手。最后，您还将学习如何将 Chatbot 部署到公共服务器上。

在本 Modulation 中，您将学习如何构建一个能够根据会议内容转录、总结和回答问题的 Generative AI 驱动的会议助手。您将探索 IBM watsonx.ai、Meta Llama 2 和 OpenAI Whisper 等关键技术，并了解它们在创建企业就绪 AI 解决方案中的作用。通过动手实验，您将实现一个功能强大的会议助手，展示 Generative AI 在现实世界中的商业应用。

在本 Modulation 中，您将学习如何构建生成式 AI 应用程序，使用自己的数据总结和回答问题。您将探索 Retrieval-augmented Generation (RAG) 的概念，了解 LangChain 和 Llama 2 等工具如何支持这一过程，并应用这些技术创建一个能够检索和总结私人文档的功能聊天机器人。这一实践经验将为您在企业环境中实施安全、特定领域的 AI 助手做好准备。

在本 Module 中，您将掌握使用 Generative AI 技术构建实时语音翻译助手的技能。您将学习如何将 Flan-UL2 等 Large Language Model 与 IBM Watson® Speech Libraries for Embed 集成，将口语输入转换为翻译语音输出。应用 Workflow 包括将语音转换为文本 (STT)、使用 LLM 翻译文本以及将文本转换回目标语言的语音 (TTS)。您还将应用 Python、Flask、HTML、CSS 和 JavaScript 知识，创建一个功能强大、用户友好的网络语音助手，实时支持多语言交流。 为了支持您的学习，本 Module 还包括一个课程词汇表，以强化关键的 Generative AI 术语和技术。最后，您将学习课程总结，总结主要概念，为将新技能应用到实际 AI 应用中做好准备。

在本 Modulation 中，您将学习使用 Large Language Model (LLM) 构建个性化的 AI 驱动的职业指导。您将探索 Generative AI 如何通过提供简历反馈、职位匹配见解和面试准备指导来帮助求职者。通过动手实践，您将实现一个求职助手，利用用户输入和 prompt engineering 生成量身定制的职业建议。本 Modulation 还将帮助您了解如何在以用户为中心的实际场景中应用 LLM，以支持专业发展和职业晋升。