无码人妻A片一区二区三区_18禁裸乳无遮挡啪啪无码免费_91精品亚?影视在线?看_人人妻人人爽人人澡AV_国产精品人妻一区二区三区四区_午夜免费影视

中培偉業企業IT內訓課程
您現在的位置:首頁 > 企業內訓 > 人工智能 > AI大模型全棧工程師實戰訓練營

AI大模型全棧工程師實戰訓練營

2024-03-06 13:49:48 | 來源:企業IT培訓

一、培訓背景

隨著科技的飛速發展,人工智能(AI)已成為引領新一輪科技革命和產業變革的重要驅動力。大模型(Large Language Models, LLMs)作為AI領域的一項革命性突破,正以前所未有的速度重塑著我們對智能交互、知識管理、內容創作乃至整個數字化世界的認知。近年來,諸如DeepSeek、GPT系列、Sora等大模型的不斷涌現,不僅展示了AI在自然語言處理領域的巨大潛力,也預示著AI技術即將邁入一個更加復雜、細膩且廣泛適用的新紀元。

人工智能成為全球焦點的背景下,2024年中國政府工作報告,就首次提出開展“人工智能+”行動,相信后續還有更多利好人工智能和“人工智能+”的政策即將釋放。而在國家層面推動“AI+”行動,無數的機會也將井噴。

二、培訓對象

從事人工智能領域工作的人

如果你正在從事人工智能、機器學習、數據分析等相關領域的工作,或者想要進入這些

領域,那么學習AI大模型開發將會對你的職業發展有很大的幫助。

軟件工程師和架構師

這類專業人士可以通過學習AI大模型開發課程來提升團隊的研發效率,了解大模型如何影響軟件架構,并掌握基于大模型的全新開發范式。

對人工智能有濃厚興趣的人

對人工智能、機器學習等領域有濃厚的興趣,想要深入了解并掌握相關技能,并有一定的軟件開發基礎的從業者。

三、培訓收益

1.整體掌握大模型理論知識;

2.了解自注意力機制、Transformer模型、BERT模型;

3.掌握DeepSeek與ChatGPT原理與實戰;

4.了解LLM應用程序技術棧和提示詞工程Prompt Enginerring;

5.了解國產大模型ChatGLM;

6.了解視覺大模型技術優勢;

7.掌握語言理解與字幕生成及其應用;

8.掌握圖像生成和應用實操;

9.了解應用場景與潛力分析;

10.了解大模型企業商用項目實戰。

四、培訓信息

1)培訓方式:

培訓采用線下專家面授+同步直播的形式。所有課程均贈送學習教材、視頻回放、

答疑交流群、促學服務等。并對考生提供專人報考、考試指導、證書郵寄等。多維度精

細化教學,一站式報考服務,滿足不同企業及學員的學習需求。

2)培訓班次:

2025年03月26-28日 廣州

2025年06月28-30日 北京

2025年10月27-29日 成都

2025年12月24-26日 長沙

五、培訓內容

培訓共計3天,每天6小時,具體日程安排如下:

培訓時間 培訓主題 培訓大綱
第一天
 
預備知識第一節:大模型理論知識 1、初探大模型:起源與發展
2、GPT模型家族:從始至今
3、大模型DeepSeek VS ChatGPT4的對比介紹
4、大模型實戰-大模型2種學習路線的講解
5、大模型最核心的三項技術:模型、微調和開發框架
6、DeepSeek的MoE 混合專家模型介紹
7、DeepSeek-R3后訓練階段與強化學習技術介紹
8、0penAl文本模型A、B、C、D四大模型引擎簡介
9、最強Embedding大模型text-embedding-ada模型介紹
10、全球開源大模型性能評估榜單
11、中文大模型生態介紹與GLM 130B模型介紹
12、DeepSeek模型介紹與部署門檻
13、DeepSeek開源生態:微調、多模態,WebUI等項目簡介
預備知識第二節:自注意力機制、Transformer模型、BERT模型 RNN-LSTM-GRU等基本概念
編碼器、解碼器
自注意力機制詳解
Transformer
Mask Multi-Head Attention
位置編碼
特定于任務的輸入轉換
無監督預訓練、有監督 Fine-tuning
BERT思路的理解
BERT模型下游任務的網絡層設計
BERT的訓練
HuggingFace中BERT模型的推斷
基于上下文的學習
代碼和案例實踐:
基本問答系統的代碼實現
深入閱讀理解的代碼實現
段落相關性代碼實現
第三節:
Embedding模型實戰
大模型技術浪潮下的Embedding技術定位
Embedding技術入門介紹
從Ono-hot到Embedding
Embedding文本衡量與相似度計算
OpenAl Embedding模型與開源Embedding框架
兩代OpenAl Embedding模型介紹
text-embedding-ada-002模型調用方法詳解
text-embedding-ada-002模型參數詳解與優化策略
借助Embedding進行特征編碼
Embedding結果的可視化展示與結果分析
【實戰】借助Embedding特征編碼完成有監督預測
【實戰】借助Embedding進行推薦系統冷啟動
【實戰】借助Embedding進行零樣本分類與文本搜索
Embedding模型結構微調優化
借助CNN進行Embedding結果優化
【企業級實戰】海量文本的Embedding高效匹配
 
 
 
 
 
 
 
 
 
 
第四節:
LLM應用程序技術棧和提示詞工程Prompt Enginerring
設計模式:上下文學習
數據預處理/嵌入
提示構建/檢索
提示執行/推理
數據預處理/嵌入
Weaviate、Vespa 和 Qdrant等開源系統
Chroma 和 Faiss 等本地向量管理庫
pgvector 等OLTP 擴展
提示構建/檢索
提示執行/推理
新興的大語言(LLM)技術棧
數據預處理管道(data preprocessing pipeline)
嵌入終端(embeddings endpoint )+向量存儲(vector store)
LLM 終端(LLM endpoints)
LLM 編程框架(LLM programming framework)
LangChain的主要功能及模塊
Prompts: 這包括提示管理、提示優化和提示序列化。
LLMs: 這包括所有LLMs的通用接口,以及常用的LLMs工具。
Document Loaders: 這包括加載文檔的標準接口,以及與各種文本數據源的集成。
Utils: 語言模型在與其他知識或計算源的交互
Python REPLs、嵌入、搜索引擎等
LangChain提供的常用工具
Indexes:語言模型結合自定義文本數據
Agents:動作執行、觀測結果,
LangChain的代理標準接口、可供選擇的代理、端到端代理示例
Chat:Chat模型處理消息
代碼和案例實踐:
LLM大模型的使用
Prompts的設計和使用
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
第二天
第五節:
國產大模型DeepSeek
新一代DeepSeek模型API調用
DeepSeek開放平臺使用方法與APIKey申請
DeepSeek-V3、DeepSeek-R1、DeepEP介紹
DeepSeek在線知識庫使用及模型計費說明
DeepSeek模型SDK調用與三種運行方法
DeepSeek調用函數全參數詳解
DeepSeek Message消息格式與身份設置方法
DeepSeek tools外部工具調用方法
DeepSeek Function calling函數封裝12GLM4接入在線知識庫retrieval流程
DeepSeek接入互聯網web_search方法
【實戰】基于DeepSeek打造自動數據分析Agent
【實戰】基于DeepSeek的自然語言編程實戰
【實戰】基于DeepSeek Function call的用戶意圖識別
【實戰】基于GLM4的長文本讀取與優化
 
 
 
 
 
 
 
 
第六節:LangChain大模型框架構建
構建垂直領域大模型的通用思路和方法
(1) 大模型+知識庫
(2) PEFT(參數高效的微調)
(3) 全量微調
(4) 從預訓練開始定制
LangChain介紹
LangChain模塊學習-LLMs 和 Prompts
LangChain之Chains模塊
LangChain之Agents模塊
LangChain之Callback模塊
Embedding嵌入
自定義知識庫
知識沖突的處理方式
向量化計算可采用的方式
文檔加載器模塊
向量數據庫問答的設計
Lanchain競品調研和分析
Dust.tt/Semantic-kernel/Fixie.ai/Cognosis/GPT-Index
LlamaIndex介紹
LlamaIndex索引
動手實現知識問答系統
代碼和案例實踐:
動手實現知識問答機器人
LangChain文本摘要
PDF文本閱讀問答
 
 
 
 
第七節
使用LangGraph構建工作流
LangGraph 構建自適應RAG
1. LangGraph 應用場景、核心功能、特點
2. 基礎概念:節點、邊、圖等
3. LangGraph 的系統架構
4. 數據模型和存儲機制
5. 基本數據查詢與操作
6. 高級查詢:路徑查詢、模式匹配
7. 使用本地LLM自適應RAG
8. 代理RAG與糾正(CRAG)
第三天  
 
 
第八節
LLM模型的私有化部署與調用
LLM 推理與本地私有化部署
1. 各種模型文件介紹
2. 模型的推理、量化介紹與實現
3. Modelscope、Hugging Face簡單介紹與使用
4. 大模型管理底座Ollama介紹
5. Ollama + lLama 部署開源大模型
6. Open WebUI發布與調用大模型
7. API Key獲取與 Llama微調實現
 
 
 
第九節
開源大模型微調實現
Llama_Factory 微調實戰
1. 提升模型性能方式介紹:Prompt、知識庫、微調
2. 如何科學構建訓練數據(基礎與專業數據混合訓練)
3. 微調常見方式介紹:微調、偏好對齊、蒸餾、獎勵模型
4. Llama3 模型架構與調用申請
5. 數據上傳與任務創建(job)
6. 訓練集與測試集拆分與模型評估
7. Unsloth微調平臺介紹
8. Llama3開源大模型的微調與使用
9. 模型的評估策略
 
 
 
第十節
大模型企業商用項目實戰
AI-Agent 構建可發布的智能客服系統
1. 智能體介紹與AutoGPT基本原理
2. AutoGPT安裝與環境配置
3. 實戰體驗:AutoGPT實現數據爬取、清洗、保存
4. 創建各種場景的AutoGPT
1. 內容創建
2. 客服服務
3. 數據分析
4. 代碼編寫
5. 創建應用程序

六、講師團隊

劉老師 | 國內頂尖AI專家

擁有十幾年軟件研發經驗,十年企業培訓經驗,對Java、Python、區塊鏈等技術領域有獨特的研究,精通J2EE企業級開發技術。Java方向:設計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究。Python方向:Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫數據推薦,Tensorflow人工智能框架、人臉識別技術。區塊鏈方向:BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。

鄒老師 | 長春工業大學人工智能研究院院長

工程學術帶頭人、華東建筑設計研究總院研究員、山東交通學院客座教授、南昌航空大學碩士生導師、中國軟件行業協會專家委員、上海市計劃生育科學研究所特聘專家、天津大學創業導師、中華中醫藥學會會員、中國醫藥教育協會老年運動與健康分會學術委員;領導睿客邦與全國二十多所高校、國企建立了AI聯合實驗室,完成50多個深度學習實踐項目,廣泛應用于醫療、交通、農業、氣象、銀行、電信等多個領域。

帶隊完成了數十個AI項目,內容不僅包括深度學習、機器學習、數據挖掘等具體技術要點,也包括AI的整體發展、現狀、應用、商業價值、未來方向等,涵蓋內容非常豐富。

七、相關證書

參加培訓并通過考試的學員,由工業和信息化部教育與考試中心統一頒發《AI大模型全棧技術(高級)》工業和信息化職業能力證書,證書可作為專業技術人員職業能力考核的證明,以及專業技術人員崗位聘用、任職、定級和晉升職務的重要依據。

主站蜘蛛池模板: 午夜高清国产拍精品 | 亚洲日本精品国产一区VR | 国产精品一区二区在线蜜芽TV | 2015天堂网| 不卡的在线视频 | 激情信箱免费观看 | 欧美日韩激情一区二区 | 亚洲中文字幕无码天然素人在线 | 亚洲精品久 | 久久精品不卡 | 香港日本三级亚洲三级 | 人妻被中出不敢呻吟A片视频 | 91精品国产日韩一区二区三区 | 131美女MM爱做爽爽爽视频 | 国产精品yjizz视频网 | 亚洲小说在线图片色 | 精品国产一区二区三区四区动漫a | 粉嫩av淫片一区二区三区 | 国产婷婷成人久久av免费高清 | jizzcom日本 | 久久99精品久久久久蜜臀 | 亚洲欧美小视频 | 中文字幕第25页 | 在线免费一区 | 国产99精品一区 | 韩国二区三区 | 黄色网址免费在线观看 | 学生的妈妈3在线观看 | 最新日韩精品 | 亚洲AV福利天堂在线观看 | 日本视频在线观看不卡 | 精品成人免费一区二区不卡 | 精品超碰| 18禁裸乳无遮挡自慰免费动漫 | 狠狠色网站 | 亚洲AV日韩综合一区久热 | 国产一区在线观看免费 | 天码AV无码一区二区三区四区 | 亚州综合网 | 蜜桃视频地址 | 国产精品乱 |