一、商务沟通

1.业务流程

为保障内训项目“算法与机器深度学习模型和AI大模型、基于yolo8视觉算法模型培训”的圆满完成，此次内训严格按照我公司《企业内训服务流程标准》实施，确保服务质量的统一性、专业性与客户满意度。流程如下：

2. 培训背景

芜湖某兴铸管有限责任公司作为国内钢铁冶金行业的重要企业，近年来持续推进智能制造与数字化转型。随着生产数据量的急剧增长，企业亟需将机器学习、深度学习及AI大模型技术落地到质量预测、设备预警、工艺优化等核心场景中。然而，现有技术团队虽具备Python基础及传统机器学习知识，但在复杂工业场景建模、大模型开发与部署等方面仍存在能力缺口。

为系统性提升技术骨干的AI建模与工程化能力，公司特邀请中培IT学院，开展为期七天的“算法与机器深度学习模型和AI大模型、基于yolo8视觉算法模型培训”。

3. 需求分析

为确保培训内容紧密贴合企业实际，我们在训前进行了多轮沟通，并详细分析了《内训需求调查表》中提出的六大核心诉求：

1.掌握冶金行业模型开发全流程设计；

2.学习机器学习、深度学习、大模型在钢铁企业中的实际应用案例与代码实现；

3.了解工业互联网前沿技术；

4.能够独立完成3种以上适用于冶金行业的模型架构开发与调优；

5.具备工业级模型全生命周期管理能力；

6.掌握多源异构数据处理与复杂场景建模能力。

基于此，我们明确了本次培训的定位：“重实战、强落地、贴行业”，以项目贯穿、代码实操、冶金数据案例为核心特色。

二、方案制定

1. 师资匹配

根据客户诉求，推荐数学博士/北航移动云计算硕士/移动云计算专家尹立庆老师。

尹立庆  数学博士，北航移动云计算硕士

尹立庆老师多年从事人工智能、深度学习、自然语言处理NLP、大数据、容器技术、区块链、云计算、物联网研发工作经验，Cloudera大数据认证，项目管理师（PMP）认证，移动云计算专家。曾就职于阿里等互联网企业，IBM、华为等知名大型企业，现任某大型知名互联网企业首席架构，负责人工智能、深度学习、机器学习、数据挖掘、数据分析、大数据、容器技术、区块链、云计算、PaaS平台研发工作。

拥有人工智能、深度学习、机器学习、数据挖掘、数据分析、大数据、区块链、物联网、大流量、高并发、分布式的大型网站架构和设计经验。曾主导过多个人工智能、深度学习、机器学习、数据挖掘、数据分析、区块链、物联网、私有云、公有云建设项目，早些年也主导过ERP、CMS等软件项目。

在技术平台方面，善于TensorFlow、Keras、Hadoop、Spark、Docker、Kubernetes、OpenStack、Storm等技术平台的应用与运维。深入理解TensorFlow、Keras、Hadoop、HDFS、HBase、MapReduce、Zookeeper、Hive、Sqoop、BigTable 等人工智能、大数据技术和开源框架理论。

对于云计算体系有深刻认识，及独到的见解，如OpenStack的技术架构、安装部署、运维等。在移动云计算方面，善于设计与建设云计算体系；也善于移动云计算相关的咨询与培训。

大数据行业公认的Cloudera认证

含金量较高的PMP认证

2. 确定方案

经过与客户及讲师反复沟通，确定如下培训课程方案：

1）培训时间：7天  

2）培训方式：线下面授+线上直播

3）课程目标：

Ø 深入讲解线性回归与逻辑回归基础；

Ø 深入讲解神经网络与深度学习基础；

Ø 深入讲解文本预处理与分词；

Ø 深入讲解文本向量化与特征工程；

Ø 深入讲解RNN/LSTM/GRU时序建模原理与实现；

Ø 深入讲解注意力机制与Seq2Seq模型；

Ø 深入讲解Transformer架构与冶金应用；

Ø 深入讲解基于yolo8的视觉模型应用；

Ø 深入讲解AI视觉检测在制造业的应用实战；

Ø 深入讲解BERT/T5微调与冶金场景应用；

Ø 深入讲解大模型蒸馏与本地化部署；

Ø 深入讲解云平台与工业部署；

Ø 深入讲解分布式训练与显存优化；

Ø 深入讲解模型压缩与推理优化；

Ø 深入讲解文本分类与缺陷描述识别；

Ø 深入讲解冶金知识图谱构建与问答系统；

Ø 深入讲解大模型与智能体开发。

4）课程特色：

Ø 全实战贯穿： 设置代码实操环节，使用冶金真实数据或仿真数据集；

Ø 技术栈完整： 涵盖传统机器学习、深度学习、Transformer、YOLO8视觉模型、大模型私有化部署等主流技术；

Ø 行业深度融合： 所有案例均围绕钢铁冶金场景设计，如高炉温度预测、钢材缺陷检测、炼钢工艺问答等；

Ø 工程化导向： 注重模型压缩、分布式训练、云边端部署等生产级技能。

3. 课程大纲

三、课前筹备

1.签订合同

客户方对我机构的授课方案十分认可，与客户确认培训细节，然后通过内部系统下达采购订单，双方签订合作协议，我方按客户要求开具增值税专用发票。

2.培训准备

1）物料准备（培训前一周快递至客户项目对接人）

Ø 彩印纸质讲义；

Ø 发送电子版讲义，供线上参加人员预习；

Ø 白板挂纸、白板夹、纸优质白板纸 60x90cm (50张/卷) ；

Ø 便签纸(76x76mm)4色装 每组1份， 每份400张；

Ø 红、蓝、黑 三色马克笔，每组若干支；

Ø 得力（deli）30670 装修遮蔽带/无痕纸，全班共1份；

Ø 美纹纸胶带24mm*20y（18.3米） 6卷装；  

Ø 纸质学员签到表；

Ø 纸质满意度调查问卷。

2）讲师行程及准备

根据上课时间，提前1个月与讲师确认档期，并订好机票、酒店等行程事宜。提醒讲师下载并安装直播应用的Teams会议软件。

3）会场准备

培训前一天会务服务人员提前到达现场，确认网络、投影、音响、话筒、显示屏、翻页笔、空调等设备正常。并根据参会人数进行座位调整、分组。

四、培训实施

课题为算法与机器深度学习模型和AI大模型、基于yolo8视觉算法模型培训培训于2025年10月20日-26日在芜湖企业会议中心举办，共7天。

1. 服务工作

会务服务人员提前2天和老师确认行程和授课细节，培训当天提醒尹立庆老师提前半小时到达培训教室，进行设备调试。

培训实施过程中，随时与客户项目负责人保持沟通，并将意见反馈给授课讲师。我们结合学员的情况和建议，进行授课的微调。

2. 课堂展示

尹立庆老师通过“理论精讲+代码演示+小组实战”相结合的方式，引导学员逐步完成从数据到部署的全流程项目。

学员积极参与代码实操与案例讨论，结合自身工作中遇到的数据不规整、模型泛化能力弱等问题与老师深入交流。

学员普遍认为课程内容“扎实、有用、能落地”，尤其在冶金数据建模、大模型本地部署、视觉检测等方面收获最大。

3. 培训效果

7天的培训圆满结束，课后邀请所有参训人员参与《培训满意度调研问卷》，汇总调研数据后，课程满意度达99%，讲师满意度96%，会务服务满意度97%。该单位培训负责人对此次培训项目整体实施给予了充分的肯定。

培训反馈截图

五、培训总结

本次“算法与机器深度学习模型和AI大模型、基于yolo8视觉算法模型培训”内容系统、案例真实、实操性强，成功帮助芜湖新兴铸管的技术骨干构建了从理论到实践的完整AI能力体系。尹立庆老师凭借其深厚的行业经验与精湛的授课艺术，获得了学员与企业方的高度认可。

通过本次培训，企业不仅提升了团队在AI建模与工程化方面的专业能力，也为后续推动智能化生产、质量管控、工艺优化等数字化转型项目奠定了坚实的人才基础。我们期待未来能与企业在AI深度应用、项目咨询、系统搭建等方面展开进一步合作，共同推动钢铁冶金行业的智能化升级。