-
所屬領域
其他
-
適合行業
銀行證券行業 航空客運行業 電力能源行業 生產制造行業 政府機關部門
-
課程背景
為了幫助企業和專業人士更好地理解和應用這一前沿技術，特別設計了為期兩天的大模型技術與應用培訓課程。本培訓旨在提供一個全面的學習平臺，不僅涵蓋大模型技術的基礎知識和最新進展，還包括企業級應用場景的深入分析和實戰演練，以確保學員能夠將所學知識應用于實際工作中，為企業帶來創新與價值。
培訓背景：
技術發展迅速：隨著AI技術的快速發展，大模型技術已成為推動行業創新的關鍵因素。本培訓將介紹大模型技術的最新進展，幫助學員跟上技術的步伐。
應用場景廣泛：大模型技術在金融、醫療、教育等多個領域都有廣泛的應用。通過案例分析，學員將了解這些技術如何在不同行業中發揮作用。
實戰經驗重要：理論知識與實戰經驗的結合是掌握任何技術的關鍵。本培訓將提供實戰演練的機會，讓學員親自操作大模型，體驗其功能并學習如何進行微調和優化。
企業需求增長：企業對于能夠利用AI技術提升效率和創新能力的人才需求日益增長。本培訓將幫助學員掌握企業所需的關鍵技能，提高其在職場的競爭力。
未來趨勢洞察：通過對未來趨勢的探討，本培訓將幫助學員預見行業發展的方向，為未來的職業規劃提供指導。
通過這個培訓，學員將能夠全面掌握大模型技術的基礎知識、最新進展、企業級應用場景以及未來趨勢。我們期待與您一起探索大模型技術的無限可能，并助力您的職業發展。
-
課程目標
課程目標：
基礎知識掌握：確保學員對大模型技術的定義、關鍵技術、以及生成式人工智能(AIGC)的概念有清晰的理解。
技術進展了解：讓學員了解大模型技術的最新發展，包括但不限于ChatGPT的歷史與發展，以及深度學習框架如PyTorch的應用。
實驗環境搭建：教授學員如何搭建機器學習和深度學習實驗環境，包括Python編程和數據科學工具庫的使用。
算法理解：深入講解深度學習算法基礎，包括多層感知器(MLP)、卷積神經網絡(CNN)、循環神經網絡(RNN)等。
模型架構解析：深入分析Transformer架構，包括自注意力機制、多頭注意力、位置編碼等關鍵組件。
企業級應用：通過案例分析，讓學員理解大模型技術在不同企業級應用場景中的運用，如金融機構的風險評估系統、教育機構的個性化學習路徑推薦系統等。
技術微調和優化：教授學員如何對大模型進行微調和優化，包括權重量化、模型部署、以及高效算法的應用。
實戰演練：通過實戰演練，讓學員親自操作基礎模型的使用與體驗，以及大模型的微調實踐，加深對技術的掌握。
高級應用開發：介紹如何利用大模型技術構建企業級對話系統，包括LangChain的原理和關鍵組件。
部署與運維：講解模型部署的最佳實踐，包括容器化、云服務，以及運維中的監控、調優與安全性管理。
痛點與難點理解：幫助學員識別并理解在大模型技術應用過程中可能遇到的難點和痛點。
未來趨勢洞察：通過對大模型技術未來趨勢的討論，培養學員的前瞻性思維和創新能力。
知識儲備：為學員提供必要的知識儲備，包括詞嵌入、語義空間、高維向量的快速模糊匹配等，以支持更高級的技術應用。
-
課程時長
兩天
-
適合對象
具備基本的編程能力，熟悉至少一種編程語言，如Python，能夠進行簡單的代碼編寫和調試。
-
課程大綱
第一天：基礎篇與技術概覽
- 上午（3小時）
- 大模型技術基礎與最新進展
- 大模型的定義與關鍵技術概覽
- 生成式人工智能(AIGC)概念
- ChatGPT歷史與發展
- 一些關鍵技術
- 人工智能實驗環境的搭建
- 機器學習環境與深度學習環境
- Python編程與數據科學工具庫介紹
- GPU與cuda
- 深度學習框架：PyTorch
- ChatGPT模型背后的NLP基礎知識
- 深度學習算法基礎
- MLP與CNN、RNN
- 特殊字符、分詞與停用詞處理技術
- 詞向量與Embedding
- 介紹大模型前沿應用
- 企業應用場景案例分析
- 金融機構中的智能風險評估系統案例
- 教育機構的個性化學習路徑推薦系統案例
- 下午（3小時）
- 大模型的核心技術深入
- Transformer架構的深入解析與優化
- Transformer中的block
- 自注意力機制與多頭注意力
- 位置編碼（為什么可以拋棄RNN）
- Batch Norm與Layer Norm
- 解碼器的構造
- chatGPT的原理介紹
- 指示學習與InstructGPT
- 相關數據集
- 有監督微調（SFT）
- 從人類反饋中RL的思路
- 獎勵建模（RM）
- 運用PPO改進
- 企業應用場景案例分析
- 法律行業的法條自動生成案例
- 法律行業的智能合同審核與咨詢案例
- 實戰演練：基礎模型的使用與體驗
- 演示如何使用最新的開源大模型ChatGLM3
- 學員動手操作，體驗模型的基本功能及最新特性
第二天：進階篇與實戰應用
- 上午（3小時）
- 大模型的微調和優化
- ChatGLM部署
- ChatGLM3-6B介紹
- ChatGLM3搭建流程
- 應用場景（工具調用、代碼執行）
- 權重量化
- ChatGLM3原理
- Code Interpreter
- 多模態CogVLM
- WebGLM搜索增強
- 大模型訓練的高效算法與優化技術
- LoRA
- Prefix Tuning
- P-Tuning
- Prompt Tuning
- freeze
- 企業應用場景案例分析
- 金融科技中的自動化報告生成與分析案例
- 醫療研究中的文獻檢索與知識提取案例
- 教育技術中的智能教學輔助工具案例
- 下午（3小時）
- 實戰演練：大模型的微調實踐
- 演示ChatGLM3微調過程
- 學習LangChain所需的知識儲備
- 詞嵌入與語義空間
- 高維向量的快速模糊匹配
- 局部敏感哈希（LSH）
- 向量數據庫
- 建立企業級對話系統
- LangChain的原理
- 大模型利用的難點與痛點
- Langchain的基本思路
- 關鍵組件
- 大模型的部署與運維
- 模型部署的最佳實踐，包括容器化、云服務等
- ChatGLM.cpp等
- Docker簡介
- K8s簡介
- 運維中的監控、調優與安全性管理
- 企業應用場景案例分析
- 企業內部的知識管理系統與智能助手案例
- 衛生行業的智能助手
通過這個為期兩天的培訓，學員將能夠全面掌握大模型技術的基礎知識、最新進展、企業級應用場景以及未來趨勢。通過案例分析、實戰演練和高級應用開發，學員將能夠深入理解并應用大模型技術，為企業帶來創新與價值。
課程標簽：AIGC,人工智能,大模型
葉梓
