一、基礎模型介紹
認識主流開源 LLM，如 Llama、Mistral 和 Breeze，了解它們的效能比較與適用場景。
二、本地部署實作
1.Ollama 環境建置：從安裝到設定，一步步帶你完成本地 LLM 環境搭建。
2.模型下載與管理：如何選擇合適的模型，並有效管理與更新。
3.系統資源優化：提升運行效能，確保模型穩定運行。
三、進階應用技術
1.RAG（檢索增強生成）技術：提升模型回答準確度的核心技術。
2.文件檢索與問答系統：建構能夠快速查找企業內部文件的 AI 助手。
3.Page Assist 瀏覽器擴充：將 LLM 整合到瀏覽器，提高資訊檢索與應用效率。
四、個人化 AI 工具
1.LM Studio 本地運行環境：輕鬆搭建個人或企業級 AI 運行環境。
2.AnythingLLM 私人知識庫：建立專屬 AI 助手，讓模型學習你的專屬知識。
3.資料安全與效能優化：確保 AI 應用既安全又高效。
五、客製化訓練
1.Fine-tuning 基礎：了解模型微調概念，讓 AI 更貼近你的需求。
2.實務操作：手把手帶你完成模型調校。
3.企業專屬訓練流程：打造符合特定產業需求的 AI 解決方案

幫助企業與開發者掌握 本地端 LLM（大型語言模型）部署與應用技術，讓 AI 運行不再依賴雲端，確保資料安全與系統自主性。

學員將學會：
1.選擇適合的開源 LLM（如 Llama、Mistral、Breeze），了解其特性與應用場景。
2.搭建本地 LLM 環境，包括模型下載、管理與系統資源優化。
3.運用 RAG 技術，提升 AI 在文件檢索與問答系統中的準確度。
4.建置個人化 AI 助手，透過 LM Studio 和 AnythingLLM 打造專屬知識庫。
5.進行模型微調（Fine-tuning），讓 AI 符合企業需求，提高回應品質。

完成本課程後，學員將能 獨立部署與優化本地 LLM，並打造符合企業需求的 AI 解決方案！