Asas Pengujian Model Pembelajaran Mesin dan AI

Apabila kecerdasan buatan dan model bahasa besar disepadukan ke dalam perisian harian, memastikan kebolehpercayaan, keselamatan, dan ketepatan mereka adalah lebih kritikal berbanding sebelum ini. Kaedah pengujian perisian tradisional tidak mencukupi apabila digunakan pada sifat probabilistik AI moden. Kursus ini menyediakan pengenalan yang jelas langkah demi langkah untuk menilai model pembelajaran mesin, LLM asas, dan ejen perbualan, memberikan anda kemahiran untuk merancang strategi pengujian yang kukuh. Apa yang anda akan pelajari: - Memahami perbezaan asas antara menguji perisian tradisional dan menilai sistem AI probabilistik. - Mengaplikasikan teknik pembahagian data seperti pengesahan silang K-Fold untuk mengelakkan "overfitting" dan memastikan generalisasi model yang boleh diharap. - Menilai Model Bahasa Besar (LLM) menggunakan tanda aras piawaian industri seperti MMLU, HumanEval, dan BLEU. - Menilai prestasi chatbot dan AI perbualan untuk ketepatan, keselamatan, dan koheren. - Melaksanakan corak pengujian moden untuk sistem Retrieval-Augmented Generation (RAG), mengesahkan ketepatan perolehan dan penjanaan respons. - Mengenal pasti dan menguji risiko etika, bias, ketoksikan, dan kerentanan keselamatan seperti "prompt injection". Anda akan bermula dengan terminologi pengujian teras dan konsep asas pembelajaran mesin sebelum maju ke metrik penilaian lanjutan untuk AI generatif. Melalui penjelasan bertulis yang jelas dan latihan konseptual praktikal, anda akan belajar cara merancang saluran paip pengujian hujung ke hujung. Kursus ini direka untuk jurutera QA pemula, pembangun, dan peminat AI yang ingin beralih kepada keselamatan dan penilaian AI. Tiada latar belakang matematik lanjutan atau pengalaman pengaturcaraan diperlukan. Mulakan pembinaan sistem AI yang lebih selamat dan boleh diharap hari ini.