生成式人工智能简介

生成式人工智能简介

本课程是 Large Language Model Operations (LLMOps) 专项课程的一部分

位教师：Noah Gift

访问权限由 New York State Department of Labor 提供

28,041 人已注册

4个模块

深入了解一个主题并学习基础知识。

218 条评论

初级等级

推荐体验

灵活的计划

4 周在 10 小时一周

自行安排学习进度

90%

大多数学生喜欢此课程

4个模块

深入了解一个主题并学习基础知识。

218 条评论

初级等级

推荐体验

灵活的计划

4 周在 10 小时一周

自行安排学习进度

90%

大多数学生喜欢此课程

您将学到什么

学习利用 Generative AI 实现自动化。
开发生成式 AI 软件解决方案。
与 Prompt Engineering 一起构建解决方案，增强 AI 的生成输出。

您将获得的技能

您将学习的工具

要了解的详细信息

可分享的证书

添加到您的领英档案

作业

15 项作业

授课语言：英语（English）

了解顶级公司的员工如何掌握热门技能

了解关于 Coursera for Business 的更多信息

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

积累特定领域的专业知识

本课程是 Large Language Model Operations (LLMOps) 专项课程专项课程的一部分

在注册此课程时，您还会同时注册此专项课程。

向行业专家学习新概念
获得对主题或工具的基础理解
通过实践项目培养工作相关技能
获得可共享的职业证书

该课程共有4个模块

本入门课程专为没有生成式人工智能相关知识的初学者设计。首先，您将对什么是生成式人工智能及其工作原理有一个高层次的了解。通过互动课程和实践案例，您将学习到提供有效 Prompt 和迭代改进生成输出等基本技能。随着课程的深入，您将深入了解具体的主要生成式人工智能模型，包括它们的独特能力和局限性。最后，您将获得使用 GitHub Copilot、DALL-E 和 OpenAI 等领先系统生成代码、图像和文本的实际经验。课程结束时，您将掌握核心知识，能够以负责任和有效的方式开始尝试在各种应用中使用生成式 AI。本课程旨在提供一个友好的入门课程，为完全的初学者进一步探索这项快速发展的技术做好准备。

在本 Modulation 中，您将了解什么是生成式人工智能，以及它是如何从早期的人工智能发展到今天使用的大型语言模型的。通过学习模型架构和训练过程，您将了解这些模型在应用中是如何工作的。该 Modulation 概述了 ChatGPT 和 Hugging Face 等主要基础模型，强调了它们的能力和局限性。您将探索 Generative AI 的前景，比较开源模型、本地模型和云 API 等选项。课程结束时，您将对这项技术的基础知识以及访问和利用不同 AI 系统的选项有一个坚实的了解。

涵盖的内容

21个视频11篇阅读材料4个作业1个讨论话题

21个视频总计78分钟

认识您的课程讲师阿尔弗雷多-德萨 2分钟
认识您的课程讲师德里克-威尔士 1分钟
关于本课程 3分钟
导言 1分钟
什么是生成式人工智能？ 3分钟
AI 简史与演变 5分钟
Large Language Model 如何在应用中发挥作用？ 5分钟
Large Language Model 是如何创建的？ 8分钟
摘要 1分钟
导言 1分钟
什么是法律硕士？ 5分钟
使用法律硕士的好处和风险 6分钟
降低法律硕士的风险 6分钟
什么是基金会模型？ 5分钟
摘要 1分钟
导言 1分钟
OpenAI 和 ChatGPT 6分钟
拥抱面孔与开源模式 5分钟
使用本地模型 5分钟
基于云的解决方案 4分钟
摘要 1分钟

11篇阅读材料总计110分钟

与导师联系 10分钟
课程结构和讨论礼仪 10分钟
报告课程问题 10分钟
关键术语 10分钟
人工智能的历史 10分钟
了解大型 Language Model 10分钟
关键术语 10分钟
外部实验室：触发模型的不准确性 10分钟
基础模型和下一个 AI 时代 10分钟
关键术语 10分钟
外部实验室与托管模型互动 10分钟

4个作业总计540分钟

知识检查 180分钟
知识检查 180分钟
知识检查 180分钟
分级测验 0分钟

1个讨论话题总计10分钟

见面会（可选） 10分钟

在本 Module 中，您将学习 Prompt 工程的基础知识，以便与 Generative AI 模型进行有效互动。你将理解 "少量提示 "的概念，并使用上下文和示例练习基本的提示技术。在此基础上，您将学习通过角色、详细说明和基于反馈的迭代来改进 Prompt 的方法。最后，您还将学习更高级的技巧，如分解任务、连锁提示以及其他有用的技巧，以克服语境限制。

涵盖的内容

18个视频5篇阅读材料4个作业

18个视频总计60分钟

导言 1分钟
什么是 Prompt 工程？ 5分钟
零枪、一枪和几枪 Prompt 6分钟
有语境的基本 Prompt 4分钟
在 Prompt 中使用示例 4分钟
摘要 1分钟
导言 1分钟
设定基调和角色 5分钟
完善以前的背景 4分钟
通过 Feedback 提供更好的指导 5分钟
了解局限性 4分钟
摘要 1分钟
导言 1分钟
背景的局限性 6分钟
分解成更小的任务 4分钟
利用思维链 3分钟
其他有用的 Prompt 技巧 4分钟
摘要 1分钟

5篇阅读材料总计50分钟

关键术语 10分钟
外部实验室：练习零枪、一枪和几枪 Prompt 10分钟
关键术语 10分钟
通过 Prompt 工程取得更好成果的策略 10分钟
关键术语 10分钟

4个作业总计570分钟

知识检查 180分钟
知识检查 180分钟
知识检查 180分钟
分级测验 30分钟

在本 Module 中，您将探索不同类型的 Generative AI 应用，包括基于 API、嵌入式模型和多模型系统。您将学习使用 Retrieval Augmented Generation (RAG) 等技术构建强大应用程序的基础知识，以改善上下文。通过实践练习，您将获得在本地测试应用程序和在云上部署应用程序的经验。

涵盖的内容

19个视频5篇阅读材料3个作业1个非评分实验室

19个视频总计66分钟

导言 1分钟
常见的生成式 AI 应用类型 4分钟
基于 API 的应用程序概述 5分钟
嵌入式模型应用概述 5分钟
什么是多模型应用？ 6分钟
摘要 2分钟
导言 1分钟
什么是 RAG？ 4分钟
RAG 申请概述 3分钟
RAG 的 Data Management 5分钟
验证 Embedding 和搜索 6分钟
将 RAG 与 LLM 结合使用 4分钟
摘要 1分钟
导言 1分钟
应用概述 6分钟
部署概览 4分钟
设置云组件 4分钟
使用 Azure 云进行部署 6分钟
摘要 1分钟

5篇阅读材料总计50分钟

关键术语 10分钟
关键术语 10分钟
外部实验室：使用自己的数据与 LLM 一起创建 RAG 10分钟
关键术语 10分钟
外部实验室：创建 RAG HTTP API 10分钟

3个作业总计390分钟

知识检查 180分钟
知识检查 180分钟
分级测验 30分钟

1个非评分实验室总计60分钟

RAG 的 Data Management 60分钟

在这里，您将学习 OpenAI API 的主要功能。您将使用 OpenAI 的 DALL-E 生成图像，"Fine-tuning "LLM 模型以 Reddit 问答，并使用 OpenAI 的 Whisper Model 总结视频。

涵盖的内容

19个视频9篇阅读材料4个作业1个非评分实验室

19个视频总计68分钟

认识您的课程讲师德里克-威尔士 1分钟
达利》概览 2分钟
演示：环境设置 2分钟
演示：生成购物清单的 OpenAI API 7分钟
演示：DALL-E 生成图像 5分钟
OpenAI/DALL-E 摘要 0分钟
OpenAI 微调和项目介绍 1分钟
Fine Tuning 项目：第一部分 - 环境/数据准备 13分钟
微调项目：第二部分 - 开始微调 9分钟
Fine Tuning 项目：第三部分 - 模型评估 5分钟
微调总结 1分钟
OpenAI Whisper 模型项目概述 1分钟
视频摘要演示 8分钟
Whisper Model API 总结 1分钟
AI 商业环境 2分钟
人工智能伦理原则 2分钟
本地机器学习模型/下一课程预览 4分钟
单元总结 1分钟
课程摘要 2分钟

9篇阅读材料总计78分钟

主要参考资料 2分钟
达利2》如何运作 15分钟
先决条件和入门 10分钟
微调资源 10分钟
外部实验室：利用 GPU 进行微调 10分钟
重要文件 1分钟
OpenAI 安全最佳实践 10分钟
下一步工作 10分钟
分享您的学习经验 10分钟

4个作业总计120分钟

复习提问 30分钟
复习提问 30分钟
复习提问 30分钟
单元测验 30分钟

1个非评分实验室总计30分钟

在 OpenAI/DALL-E 上练习 30分钟

获得职业证书

将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。

位教师

授课教师评分

(69个评价)

Noah Gift

Duke University

40 门课程 266,621 名学生

提供方

Duke University

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

自 2018开始学习的学生

''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'

Jennifer J.

自 2020开始学习的学生

''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'

Larry W.

自 2021开始学习的学生

''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'

Chaitanya A.

''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'

学生评论

5 stars
67.43%
4 stars
19.72%
3 stars
6.88%
2 stars
3.21%
1 star
2.75%

显示 3/218 个

已于 Sep 11, 2025审阅

It was very informative, but in some areas, it lacked sufficient detail on the subject.

已于 Jan 15, 2026审阅

Practical (e.g. python) examples were shown but were difficult to follow as no foundations were given.

已于 Oct 6, 2025审阅

This Course gives good introduction to Gen AI it was organized but the quiz and assignment section was not so good and I think it needs to be revised.

查看更多评论