开课通知|AI大模型全栈工程师实战培训(广州+直播)
浏览:190次 作者:小编在数字化浪潮汹涌澎湃的今天,人工智能(AI)领域正以前所未有的速度发展,成为推动社会进步的重要力量。而AI大模型技术,作为AI领域的核心力量,更是备受瞩目。为了培养更多具备实战能力的AI大模型工程师,中培IT学院特举办“AI大模型全栈工程师实战训练营”培训班,同步在线直播,现全国范围内火热招生!
一、培训背景
随着科技的飞速发展,人工智能(AI)已成为引领新一轮科技革命和产业变革的重要驱动力。大模型(Large Language Models, LLMs)作为AI领域的一项革命性突破,正以前所未有的速度重塑着我们对智能交互、知识管理、内容创作乃至整个数字化世界的认知。近年来,诸如GPT系列、Sora等大模型的不断涌现,不仅展示了AI在自然语言处理领域的巨大潜力,也预示着AI技术即将迈入一个更加复杂、细腻且广泛适用的新纪元。
人工智能成为全球焦点的背景下,2024年中国政府工作报告,就首次提出开展“人工智能+”行动,相信后续还有更多利好人工智能和“人工智能+”的政策即将释放。而在国家层面推动“AI+”行动,无数的机会也将井喷。
二、培训收益
掌握大模型理论知识
了解自注意力机制、Transformer模型、BERT模型
掌握GPT1、GPT2、GPT3、chatGPT原理与实战
了解LLM应用程序技术栈和提示词工程Prompt Enginerring
了解国产大模型ChatGLM
了解Sora大模型技术优势
掌握语言理解与字幕生成及其应用
掌握图像生成和应用实操
了解应用场景与潜力分析
了解大模型企业商用项目实战
三、课程安排
培训主题 | 培训大纲 |
第一天 | |
预备知识第一节: 大模型理论知识 | 初探大模型:起源与发展 GPT模型家族:从始至今 大模型-GPT_ChatGPT的对比介绍 大模型实战-大模型2种学习路线的讲解 大模型最核心的三项技术:模型、微调和开发框架 0penAl GPT系列在线大模型技术生态 0penAl文本模型A、B、C、D四大模型引擎简介 0penAl语音模型Whisper与图像型DALL·E模型介绍 最强Embedding大模型text-embedding-ada模型介绍 全球开源大模型性能评估榜单 中文大模型生态介绍与GLM 130B模型介绍 ChatGLM模型介绍与部署门槛 ChatGLM开源生态:微调、多模态,WebUI等项目简介 |
预备知识第二节: 自注意力机制、Transformer模型、BERT模型 | RNN-LSTM-GRU等基本概念 编码器、解码器 自注意力机制详解 Transformer Mask Multi-Head Attention 位置编码 特定于任务的输入转换 无监督预训练、有监督 Fine-tuning BERT思路的理解 BERT模型下游任务的网络层设计 BERT的训练 HuggingFace中BERT模型的推断 基于上下文的学习 代码和案例实践: 基本问答系统的代码实现 深入阅读理解的代码实现 段落相关性代码实现 |
第一节: GPT1、GPT2、GPT3、ChatGPT原理与实战 | 监督微调(SFT)模型 指示学习和提示学习 简单提示、小样本提示、基于用户的提示 指令微调 RLLHF技术详解(从人类的反馈中学习) 聚合问答数据训练奖励模型(RM) 强化学习微调、PPO、 InstructGPT遵循用户意图使用强化学习方案 Instruct Learning vs. Prompt Learning ChatGPT增加了Chat属性 AI 系统的新范式 GPT1-GPT2-GPT3-InstructGPT的-chatGPT的技术关系 代码和案例实践: 使用ChatGPT打造你的私人聊天助理 演示提示词技巧,翻译器润色器、JavaScript 控制台 、Excel Sheet 网站定制chatgpt-web |
第二节: Embedding模型实战 | 大模型技术浪潮下的Embedding技术定位 Embedding技术入门介绍 从Ono-hot到Embedding Embedding文本衡量与相似度计算 OpenAl Embedding模型与开源Embedding框架 两代OpenAl Embedding模型介绍 text-embedding-ada-002模型调用方法详解 text-embedding-ada-002模型参数详解与优化策略 借助Embedding进行特征编码 Embedding结果的可视化展示与结果分析 【实战】借助Embedding特征编码完成有监督预测 【实战】借助Embedding进行推荐系统冷启动 【实战】借助Embedding进行零样本分类与文本搜索 Embedding模型结构微调优化 借助CNN进行Embedding结果优化 【企业级实战】海量文本的Embedding高效匹配 |
第三节: LLM应用程序技术栈和提示词工程Prompt Enginerring | 设计模式:上下文学习 数据预处理/嵌入 提示构建/检索 提示执行/推理 数据预处理/嵌入 Weaviate、Vespa 和 Qdrant等开源系统 Chroma 和 Faiss 等本地向量管理库 pgvector 等OLTP 扩展 提示构建/检索 提示执行/推理 新兴的大语言(LLM)技术栈 数据预处理管道(data preprocessing pipeline) 嵌入终端(embeddings endpoint )+向量存储(vector store) LLM 终端(LLM endpoints) LLM 编程框架(LLM programming framework) LangChain的主要功能及模块 Prompts: 这包括提示管理、提示优化和提示序列化 LLMs: 这包括所有LLMs的通用接口,以及常用的LLMs工具 Document Loaders: 这包括加载文档的标准接口,以及与各种文本数据源的集成 Utils: 语言模型在与其他知识或计算源的交互 Python REPLs、嵌入、搜索引擎等 LangChain提供的常用工具 Indexes:语言模型结合自定义文本数据 Agents:动作执行、观测结果, LangChain的代理标准接口、可供选择的代理、端到端代理示例 Chat:Chat模型处理消息 代码和案例实践: LLM大模型的使用 Prompts的设计和使用 |
第二天 | |
第四节: LangChain的使用 | 构建垂直领域大模型的通用思路和方法 (1) 大模型+知识库 (2) PEFT(参数高效的微调) (3) 全量微调 (4) 从预训练开始定制 LangChain介绍 LangChain模块学习-LLMs 和 Prompts LangChain之Chains模块 LangChain之Agents模块 LangChain之Callback模块 Embedding嵌入 自定义知识库 知识冲突的处理方式 向量化计算可采用的方式 文档加载器模块 向量数据库问答的设计 Lanchain竞品调研和分析 Dust.tt/Semantic-kernel/Fixie.ai/Cognosis/GPT-Index LlamaIndex介绍 LlamaIndex索引 动手实现知识问答系统 代码和案例实践: 动手实现知识问答机器人 LangChain文本摘要 PDF文本阅读问答 |
第五节: 国产大模型ChatGLM | 新一代GLM-4模型入门介绍 智谱Al Mass开放平台使用方法03GLM在线大模型生态介绍 CharGLM、CogView. Embedding模型介绍 GLM在线知识库使用及模型计费说明 GLM模型API一KEY获取与账户管理方法 GLM模型SDK调用与三种运行方法 GLM4调用函数全参数详解 GLM4 Message消息格式与身份设置方法 GLM4 tools外部工具调用方法 GLM4 Function calling函数封装12GLM4接入在线知识库retrieval流程 GLM4接入互联网web_search方法 【实战】基于GLM4打造自动数据分析Agent 【实战】基于GLM4的自然语言编程实战 【实战】基于GLM4 Function call的用户意图识别 【实战】基于GLM4的长文本读取与优化 |
第六节: Sora大模型技术优势 | 什么是Sora Sora视频生成能力 Sora技术独特之处 统一的视觉数据表示 视频压缩网络 扩散型变换器模型 视频压缩与潜在空间 |
第七节: 语言理解与字幕生成及其应用 | 使用图像和视频作为提示词 动画DALL·E图像 扩展生成的视频 视频到视频编辑 连接视频 字幕生成 重字幕技术 GPT技术应用 |
第三天 | |
第八节: 图像生成和应用实操 | 新兴的仿真功能 长期连续性和物体持久性 角色和物体的一致性 视频内容的连贯性 与世界互动 简单影响行为模拟 模拟数字世界 |
第九节: 应用场景与潜力分析 | 电影与娱乐产业 游戏开发 教育与培训 广告与营销 科学研究与模拟 生成数据 毕业生职位分类案例研究 提示函数 FunctionCalling 提示工程在模型上的应用 AI聊天社交应用 CallAnnie NewBing AI辅助文章创作 迅捷AI写作 ChibiAI AI办公智能助手 GrammaAI AI艺术领域创作 |
第十节: 大模型企业商用项目实战讲解 | 使用大模型实现推荐系统(商用案例) 使用大模型实现汽车在线销售系统 企业自然语言sql生成(企业内部系统使用) |
四、培训特色
1、专家指路:专家讲师均来自大厂,授课经验丰富,让您学得更精准,记得更牢靠、掌握得更透彻。
2、助教护航:全方位、多时段的课后服务,帮助您消除一切知识盲区和疑惑难点。
3、班型多样:面授、直播、录播、定制企业内训灵活选择,全国开班。
五、培训讲师
邹老师 长春工业大学人工智能研究院院长,工程学术带头人、华东建筑设计研究总院研究员、山东交通学院客座教授、南昌航空大学硕士生导师、中国软件行业协会专家委员、上海市计划生育科学研究所特聘专家、天津大学创业导师、中华中医药学会会员、中国医药教育协会老年运动与健康分会学术委员。领导睿客邦与全国二十多所高校、国企建立了AI联合实验室,完成50多个深度学习实践项目,广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。
带队完成了数十个AI项目,内容不仅包括深度学习、机器学习、数据挖掘等具体技术要点,也包括AI的整体发展、现状、应用、商业价值、未来方向等,涵盖内容非常丰富。
张老师 Javaweb,资深架构师,Langchain开发者,11年IT开发经验,5年IT架构与管理经验。精通大型分布式互联网应用架构设计与技术开发。对于大规模分布式架构、微服务架构、云计算与容器化技术、开发与运维一体化、应用系统安全与和架构设计、海量数量处理、大数据等方向特别有研究,尤其是偏后端的对于高并发系统上有丰富的架构和实施经验。擅长Java方向、软件架构、微服务、软件工程和研发团队管理,目前在为某上市集团公司做大数据架构师,该公司主要为国家和国外提供安全上服务。
主导公司AI大模型开发项目,利用AI实现公司智能SQL项目,利用AI开发推进系统和销售管理系统。
六、报名咨询
联系人:方老师
报名热线:400-808-2006
手 机(微信):13910781835
![AI大模型](/uploads/20240702/c8436b28bdbbcaf636153814d44c20ed.jpg)
- 标签: AI大模型 全栈工程师