中培IT学院

开课通知|AI大模型全栈工程师实战培训(广州+直播)

浏览:66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!

AI大模型培训.jpg 

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 AI大模型
标签: AI大模型 全栈工程师

上篇: 中培IT学院--软件重构与设计模式实战培....

下篇: 云原生架构与容器化部署实战(培训方案)