本模块介绍用于搜索、Prediction 和生成的 Large Language Model (LLM)，全面探索语言模型的前沿领域及其对我们与数字信息交互方式的变革性影响。通过结构化的课程，从基础概念（如搜索查询完成和词嵌入）到高级应用（包括文本生成和 Transformer 的创新架构），学习者将获得理论知识和实践技能。

在 Modulation 3 中，学习者将深入了解 LangChain 框架，该框架旨在促进由 Large Language Model（LLM）驱动的应用程序的开发。通过阅读和教学视频相结合的方式，学习者将详细了解 LangChain 的基础、组件及其价值主张。他们还将探索如何利用 LangChain 高效地构建和部署 LLM 驱动的应用程序。Modulation 最后会进行总结和评估，以巩固学习成果。

使用 LangChain 和 RAG 与数据交互》为学习者提供了对检索-增强生成（RAG）模型及其与 LangChain 集成的全面探索。通过教学视频、实践作业和讨论，学员可以深入了解 RAG 基础知识、文档 Load、Vector 存储、检索技术和构建 RAG 模型。Modulation 强调理论理解和实践技能的培养，使学员掌握使用 LangChain 和 RAG 与数据有效交互所需的知识和工具，使他们有能力为问题解答和文档检索等任务构建复杂的 Data Model。

本 Modulation 重点关注通过各种指标和技术评估 Large Language Model (LLM) 的性能。学员将深入了解如何评估 LLM 性能、理解plexity 和 BLEU score 等指标以及解释评估结果。通过教学视频、讨论和作业，学员将掌握有效评估 LLM 所需的技能，并就其在实际应用中的使用做出明智的决策。

本 Modulation 探索如何将人工智能用于数据隐私和保护，专为渴望提高这一关键领域专业知识的学员设计。通过理论基础与实际应用相结合的课程，学员将深入了解生成式人工智能在数据保护方面的核心内容，以及道德和合规性方面的基本考虑因素。这样做的目的是让学员掌握熟练驾驭复杂数据保护的技能，确保道德诚信和遵守法规，从而帮助他们了解在快速发展的技术环境中实施尖端数据隐私解决方案所面临的挑战。

本模块是课程的高潮部分，学员在此巩固所学知识，并展示自己对 Generative AI 概念和技术的熟练掌握程度。学员将参加课程总结会，反思自己的学习历程，并完成最终评估，以评价自己对教材的理解。Modulation 包括一个在实际场景中应用所学技能的实践项目，以及一个以 Gen AI 架构为重点的分级作业。最后，学员将观看课程结业视频，庆祝自己取得的成绩。