課程簡(jiǎn)介
2025年春節(jié)期間中國(guó)的DeepSeek火爆全球,震驚美國(guó)硅谷,可以與花費(fèi)百億巨資的GPT相媲美,戳穿美股科技泡沫,以英偉達(dá)為代表的AI龍頭出現(xiàn)了暴跌。DeepSeek讓特朗普也感到懼怕,隨即美國(guó)黑客攻擊DeepSeek的網(wǎng)站,使其癱瘓,中美爆發(fā)網(wǎng)絡(luò)黑客大戰(zhàn)。DeepSeek的爆火源于其多方面優(yōu)勢(shì)。首先,它完全開(kāi)源,可本地部署,無(wú)使用限制,保護(hù)用戶隱私。其次,其性能強(qiáng)大,效果可比肩甚至超越國(guó)際頂尖模型,尤其在中文處理和復(fù)雜邏輯推理方面表現(xiàn)出色。此外,DeepSeek訓(xùn)練成本低,API價(jià)格僅為同類(lèi)產(chǎn)品的三十分之一,性價(jià)比超高。它還支持深度思考,能展示清晰的思維鏈,并具備聯(lián)網(wǎng)搜索、拍照識(shí)字、文件上傳等功能,使用場(chǎng)景豐富。最后,其響應(yīng)速度快,生成內(nèi)容幾乎無(wú)需等待。
課程價(jià)值
提供清晰全面的可用知識(shí),快速了解DeepSeek和API;
對(duì)比OpenAI和國(guó)內(nèi)多個(gè)其他大模型(文心,智譜,千問(wèn)等)的工作原理及優(yōu)勢(shì);
在案例基礎(chǔ)上使用流行的編程語(yǔ)言構(gòu)建大模型應(yīng)用;
掌握如何構(gòu)建文本生成、問(wèn)答和內(nèi)容摘要等初階大模型應(yīng)用;
了解提示工程、模型微調(diào)、插件、LangChain,RAG,Agent等高階實(shí)踐技術(shù)。
適合人群
程序員、開(kāi)發(fā)工程師、軟件設(shè)計(jì)師、項(xiàng)目經(jīng)理、架構(gòu)師等。
本課程面向零基礎(chǔ)LLM應(yīng)用開(kāi)發(fā)者,不需要了解復(fù)雜數(shù)學(xué)算法,機(jī)器學(xué)習(xí)原理,不需要之前學(xué)習(xí)過(guò)大模型知識(shí)。有Java,C#,C++等編程基礎(chǔ),最好有Python基礎(chǔ)知識(shí),但即使你對(duì) Python 不太熟悉,也完全沒(méi)有關(guān)系。課程主要閱讀和講解案例代碼。
中培優(yōu)勢(shì)
老牌機(jī)構(gòu)
19 年企業(yè) IT 培訓(xùn)經(jīng)驗(yàn),30+國(guó)內(nèi)外資質(zhì)授權(quán),助力 130 萬(wàn)+IT 人成長(zhǎng)
師資雄厚
認(rèn)證講師資質(zhì),教學(xué)經(jīng)驗(yàn)豐富,真實(shí)項(xiàng)目實(shí)戰(zhàn),突破瓶頸快提升
通關(guān)無(wú)憂
5W+精準(zhǔn)題庫(kù),官方教材、自研講義、模擬考試等多重通關(guān)保障
班型多樣
面授、直播、精品錄播、定制企業(yè)內(nèi)訓(xùn),全國(guó)循環(huán)開(kāi)班,隨報(bào)隨學(xué)
平臺(tái)專(zhuān)業(yè)
支持 PC、APP 端使用,滿足多樣化學(xué)習(xí)需求,更靈活更便捷
服務(wù)保障
社群共學(xué)、促學(xué)、專(zhuān)家答疑,報(bào)名、考試、取證、續(xù)證一站式服務(wù)
課程大綱
培訓(xùn)共計(jì)3天,每天6小時(shí),具體日程安排如下:
章節(jié) | 內(nèi)容 | 詳情 |
第一章 DeepSeek大模型原理和應(yīng)用 | 第一部分: LLM大模型核心原理 | 1. 大模型基礎(chǔ):理論與技術(shù)的演進(jìn) |
2. LLMs大語(yǔ)言模型的概念定義 | ||
3. LLMs大語(yǔ)言模型的發(fā)展演進(jìn) | ||
4. LLMs大語(yǔ)言模型的生態(tài)體系 | ||
5. 大語(yǔ)言模型技術(shù)發(fā)展與演進(jìn) | ||
6. 基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的語(yǔ)言模型 | ||
7. 基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)言模型 | ||
8. 基于 Transformer 的大語(yǔ)言模型 | ||
9. LLMs大語(yǔ)言模型的關(guān)鍵技術(shù) | ||
10. LLMs大語(yǔ)言模型的核心框架:商業(yè)&開(kāi)源 | ||
11. LLMs大語(yǔ)言模型的行業(yè)應(yīng)用 | ||
第二部分: DeepSeek大模型應(yīng)用-辦公提效 | 1. 官方大模型DeepSeek應(yīng)用 | |
2. DeepSeek辦公提效 | ||
3. 使用DeepSeek官方模型做推理任務(wù) | ||
4. DeepSeek和OpenAI O1模型的對(duì)比總結(jié) | ||
5. DeepSeek和國(guó)內(nèi)其他大模型對(duì)比(智譜,文心,通義,kimi等) | ||
6. DeepSeek和國(guó)外其他大模型對(duì)比(Claude Gemini Mistral等) | ||
第三部分: DeepSeek大模型推理能力 | 1. DeepSeek-R1 發(fā)布 | |
2. 對(duì)標(biāo) OpenAI o1 正式版 | ||
3. DeepSeek-R1 上線 API | ||
4. DeepSeek 官網(wǎng)推理與 App | ||
5. DeepSeek-R1 訓(xùn)練論文 | ||
6. 蒸餾小模型超越 OpenAI o1-min | ||
7. DeepSeek-R1 API 開(kāi)發(fā)應(yīng)用 | ||
8. 通用基礎(chǔ)與專(zhuān)業(yè)應(yīng)用能力 | ||
第二章 基于DeepSeek大模型API開(kāi)發(fā)應(yīng)用 |
第一部分:DeepSeek大模型與Prompt提示工程 | 1. Prompt如何使用和進(jìn)階 |
2. 什么是提示與提示工程 | ||
3. 提示工程的巨大威力:從Let’s think step by step說(shuō)起 | ||
4. 拆解、標(biāo)準(zhǔn)化、流程化:如何用AI改造工作 | ||
5. 使用BROKE框架設(shè)計(jì)ChatGPT提示 | ||
6. 通過(guò)案例分析,展示如何使用大模型prompt技術(shù)輔助開(kāi)發(fā) | ||
第二部分: DeepSeek大模型 API 應(yīng)用開(kāi)發(fā) | 1. DeepSeek-V3 大模型API | |
2. DeepSeek-R1推理大模型API | ||
3. DeepSeek模型 & 價(jià)格 | ||
4. DeepSeek模型參數(shù)Temperature 設(shè)置 | ||
5. DeepSeek模型Token 用量計(jì)算 | ||
6. DeepSeek模型錯(cuò)誤碼 | ||
7. DeepSeek大模型多輪對(duì)話 | ||
8. DeepSeek大模型對(duì)話前綴續(xù)寫(xiě)(Beta) | ||
9. DeepSeek大模型FIM 補(bǔ)全(Beta) | ||
10. DeepSeek大模型JSON Output | ||
11. DeepSeek大模型Function Calling | ||
12. DeepSeek大模型上下文硬盤(pán)緩存 | ||
13. 文本內(nèi)容補(bǔ)全初探(Text Completion) | ||
14. 聊天機(jī)器人初探(Chat Completion) | ||
15. 基于DeepSeek開(kāi)發(fā)智能翻譯助手 | ||
16. 案例分析 | ||
第三部分: DeepSeek大模型對(duì)比其他大模型API(國(guó)外和國(guó)內(nèi)其他) | 1. OpenAI大模型API | |
2. claude大模型API | ||
3. Gemini 大模型API | ||
4. 智譜大模型API 介紹 | ||
5. 使用 GLM-4 API構(gòu)建模型和應(yīng)用 | ||
6. 基于通義千問(wèn)大模型API的應(yīng)用與開(kāi)發(fā) | ||
7. 基于百度大模型API應(yīng)用開(kāi)發(fā) | ||
8. 基于字節(jié),騰訊,華為大模型應(yīng)用開(kāi)發(fā) | ||
第四部分: DeepSeek大模型API構(gòu)建應(yīng)用程序(12案例,靈活選擇) | 1. 應(yīng)用程序開(kāi)發(fā)概述 | |
2. 案例項(xiàng)目分析 | ||
3. 項(xiàng)目1:構(gòu)建新聞稿生成器 | ||
4. 項(xiàng)目2:語(yǔ)音控制 | ||
5. 項(xiàng)目3:企業(yè)管理系統(tǒng)MIS應(yīng)用案例分析 | ||
6. 項(xiàng)目4:某企業(yè)智能管理系統(tǒng) | ||
第三章 DeepSeek和LangChain開(kāi)發(fā)應(yīng)用 |
第一部分: 大模型應(yīng)用開(kāi)發(fā)框架 LangChain | 1. 大模型應(yīng)用開(kāi)發(fā)框架 LangChain |
2. LangChain 是什么 | ||
3. 為什么需要 LangChain | ||
4. LangChain 典型使用場(chǎng)景 | ||
5. LangChain 基礎(chǔ)概念與模塊化設(shè)計(jì) | ||
6. LangChain 核?模塊入門(mén)與實(shí)戰(zhàn) | ||
7. LangChain 的3 個(gè)場(chǎng)景 | ||
8. LangChain 的6 大模塊 | ||
9. LangChain 的開(kāi)發(fā)流程 | ||
10. 創(chuàng)建基于LangChain聊天機(jī)器人 | ||
第二部分: 基于DeepSeek和LangChain構(gòu)建文檔問(wèn)答系統(tǒng) | 1. 構(gòu)建復(fù)雜LangChain應(yīng)用 | |
2. LangChain模型(Models):從不同的 LLM 和嵌入模型中進(jìn)行選擇 | ||
3. LangChain提示(Prompts):管理 LLM 輸入 | ||
4. LangChain鏈(Chains):將 LLM 與其他組件相結(jié)合 | ||
5. LangChain索引(Indexs):訪問(wèn)外部數(shù)據(jù) | ||
6. LangChain記憶(Memory):記住以前的對(duì)話 | ||
7. LangChain代理(Agents):訪問(wèn)其他工具 | ||
8. 使用大模型構(gòu)建文檔問(wèn)答系統(tǒng) | ||
第四章 DeepSeek構(gòu)建企業(yè)級(jí)RAG知識(shí)庫(kù) | 第一部分: DeepSeek大模型企業(yè)RAG應(yīng)用 | 1. RAG技術(shù)概述 |
2. 加載器和分割器 | ||
3. 文本嵌入和 向量存儲(chǔ) | ||
4. 檢索器和多文檔聯(lián)合檢索 | ||
5. RAG技術(shù)的關(guān)鍵挑戰(zhàn) | ||
6. 檢索增強(qiáng)生成實(shí)踐 | ||
7. RAG技術(shù)文檔預(yù)處理過(guò)程 | ||
8. RAG技術(shù)文檔檢索過(guò)程 | ||
第二部分: 構(gòu)建基于DeepSeek RAG Agent:實(shí)現(xiàn)檢索增強(qiáng)生成 | 1. 何謂檢索增強(qiáng)生成 | |
2. 提示工程、RAG與微調(diào) | ||
3. 從技術(shù)角度看檢索部分的Pipeline | ||
4. 從用戶角度看RAG流程 | ||
5. RAG和Agent | ||
6. 通過(guò)Llamalndex的ReAct RAG Agent實(shí)現(xiàn)檢索 | ||
7. 獲取井加載電商的財(cái)報(bào)文件 | ||
8. 將財(cái)報(bào)文件的數(shù)據(jù)轉(zhuǎn)換為向量數(shù)據(jù) | ||
9. 構(gòu)建查詢引擎和工具 | ||
10. 配置文本生成引擎大模型 | ||
11. 創(chuàng)建Agent以查詢信息 | ||
第五章 基于DeepSeek大模型Agent智能體開(kāi)發(fā) |
第一部分:DeepSeek大模型驅(qū)動(dòng)的Agent智能體開(kāi)發(fā)概述 | 1. 智能體的定義與特點(diǎn) |
2. 智能體與傳統(tǒng)軟件的關(guān)系 | ||
3. 智能體與LLM的關(guān)系 | ||
4. 從ChatGPT到智能體 | ||
5. 智能體的五種能力 | ||
6. 記憶,規(guī)劃,工具,自主決策,推理 | ||
7. 多智能體協(xié)作 | ||
8. 企業(yè)級(jí)智能體應(yīng)用與任務(wù)規(guī)劃 | ||
9. 智能體開(kāi)發(fā) | ||
第二部分: 基于Deepseek和LangChain構(gòu)建Agent | 1. 通過(guò)LangChain中的ReAct框架實(shí)現(xiàn)自動(dòng)定價(jià) | |
2. LangChain ReAct框架 | ||
3. LangChain中ReAct Agent 的實(shí)現(xiàn) | ||
4. LangChain中的工具和工具包 | ||
5. 通過(guò)create_react_agent創(chuàng)建Agent | ||
6. 深挖AgentExecutor的運(yùn)行機(jī)制 | ||
7. Plan-and-Solve策略的提出 | ||
8. LangChain中的Plan-and-Execute Agent | ||
9. 通過(guò)Plan-and-Execute Agent實(shí)現(xiàn)物流管理 | ||
10. 為Agent定義一系列進(jìn)行自動(dòng)庫(kù)存調(diào)度的工具 | ||
第六章 DeepSeek深入學(xué)習(xí) | 第一部分: DeepSeek原理和優(yōu)化 | 1. DeepSeek原理剖析 |
2. DeepSeek系統(tǒng)軟件優(yōu)化 | ||
3. DeepSeek 訓(xùn)練成本 | ||
4. DeepSeek V3模型參數(shù) | ||
5. DeepSeek MoE架構(gòu) | ||
6. DeepSeek 架構(gòu)4方面優(yōu)化 | ||
7. DeepSeek R1 論文解讀 | ||
8. DeepSeek R1的創(chuàng)新點(diǎn)剖析 | ||
9. DeepSeek R1 引發(fā)的創(chuàng)新思考 | ||
第二部分: 私有化部署DeepSeek推理大模型 | 1. DeepSeek云端部署 | |
2. DeepSeek和國(guó)產(chǎn)信創(chuàng)平臺(tái) | ||
3. DeepSeek和國(guó)內(nèi)云平臺(tái) | ||
4. 利用Ollama私有化部署DeepSeek R1大模型 | ||
5. 一鍵部署DeepSeek R1大模型 | ||
6. DeepSeek R1私有化部署總結(jié) | ||
第三部分: DeepSeek大模型微調(diào) | 1. DeepSeek 大模型微調(diào) | |
2. 為何微調(diào)大模型 | ||
3. 大模型先天缺陷 | ||
4. 預(yù)訓(xùn)練成本高昂 | ||
5. 垂直數(shù)據(jù)分布差異 | ||
6. 提示推理成本限制 | ||
7. DeepSeek大模型微調(diào)的三個(gè)階段剖析 | ||
8. DeepSeek大模型微調(diào)的兩種方法剖析 |
專(zhuān)家講師
劉老師 | 國(guó)內(nèi)頂尖AI專(zhuān)家
最近幾年帶隊(duì)完成了數(shù)十個(gè)AI項(xiàng)目,內(nèi)容不僅包括深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等具體技術(shù)要點(diǎn),也包括AI的整體發(fā)展、現(xiàn)狀、應(yīng)用、商業(yè)價(jià)值、未來(lái)方向等,涵蓋內(nèi)容非常豐富。完成多個(gè)深度學(xué)習(xí)實(shí)踐項(xiàng)目,廣泛應(yīng)用于醫(yī)療、交通、銀行、電信等多個(gè)領(lǐng)域。從2020年推出的多門(mén)課程《AI大模型賦能行業(yè)應(yīng)用與解決方案》《AI大模型輔助軟件研發(fā)管理與效能提升》和《AI大模型技術(shù)及開(kāi)發(fā)應(yīng)用實(shí)踐》更是廣受歡迎,已經(jīng)為幾十家企業(yè)培訓(xùn),作為一名AI技術(shù)專(zhuān)家,對(duì)人工智能的理解深入透徹。他不僅精通AI的編程技術(shù),還熟悉各種AI工具的使用,尤其在AI行業(yè)應(yīng)用更是有著獨(dú)特的見(jiàn)解和實(shí)踐經(jīng)驗(yàn);自從2023年以來(lái)幫助多家研發(fā)中心做AI輔助開(kāi)發(fā)效能提升咨詢服務(wù)。同時(shí)也是微軟人工智能認(rèn)證工程師,阿里云AI人工智能訓(xùn)練師。在人工智能領(lǐng)域的深耕和創(chuàng)新,也得到了出版社的青睞,計(jì)劃出版自己的著作。也在多家技術(shù)大會(huì)做AI技術(shù)講座。