讲授专家:李勇
培训对象:产品中心,运营中心,技术中心,管理中心,客服中心等管理运营相关人士
课程时间:2天 (12小时) 课程背景: 随着sora技术的出现,大模型技术势必会影响到各行各业,而真正让我们兴奋的却是,哪怕你不懂编程语言,也有机会去创造企业的大模型产品,而这种智能化的能力,是要远高于信息化和数字化的,所以,强烈建议每个职场人都学会认知大模型,理解大模型,并做好大模型的学习课程。
课程收益: 培训完结后,学员能够: ² 学习大模型的底层逻辑和本质。 ² 学习大模型中必须要掌握的API知识 ² 学习大模型中必须要掌握的RAG知识 ² 学习大模型中的工具栈 ² 学习和掌握fine-tuning的知识 ² 学习和掌握多模态知识框架 ² 学习和掌握大模型的产品和交付知识
课程大纲: 单元 | | | | | 一.大模型的定义与特点 1.1 大模型的概念及发展历程 1.2 大模型的技术架构与核心原理 二.大模型与其他AI技术的比较 2.1 传统AI技术的局限性 2.2 大模型在数据处理、学习能力等方面的优势 三.大模型的应用前景及挑战 3.1 大模型在各行业的应用潜力 3.2 技术发展面临的挑战与机遇 | | | 认知:把AI当人看 原理: 1) LLM生成原理 2) 高质量PROMPT原理 实战工具: 1) 基本要素 2) 格式约束 3) 风格控制 4) 思维链,思维树以及自洽性 5) 指令调优 6) Coze等工具的使用 | | | 认知:自然语言链接一切 原理:用微调提升prompt的稳定性 实战工具及要素: 1) 生成式API 2) 对话式API 3) Assistants AP| 4) Actions 5) Embeddings 6) Fine-tuning 7) FunctionCalling | | | 认知:从关键词搜索转为向量搜索 原理:Embeddings 实用工具: 1) 词向量 2) 句子向量 3) 篇章向量 4) 相似度计算 5) 向量数据库,向量模型,向量模型部署 | | | 认知: 1) 原生 API、LangChain和 SK 如何选型 2) 多框架组合开发 3) Prompt 和代码分离 4) 微软的SemanticPlugins 战略 原理:AGENT 实用工具: 1) LangChain & LangChain.js  CEL,llm,chatmodel,prompttemplate 2)Semantic&Kernel: Connectors,Plugins,Planners,SemanticFunctions | | | 1.认知:微调仍是炼丹 2.原理:机器学习,大模型训练,微调 3.实战工具:求解器,损失函数,超参,过拟合/欠拟合 学习率 | | | 认知:传统CV仍有价值 原理:特征对其 实战工具: VisionTransformer,CLIP,Q-Former,GPT-4V,Gemini LLaVA 图像生成模型:DM,SD,MJ,DALLE,LORA | | | 1.认知:Copilot 模式vs. Agent 模式,产品经理调prompt 2.原理:商业逻辑,用户体验 3.实战工具:需求分析,生成式 AI 产品设计原则,Collaborative UX,draw io,产品迭代,产品运营 业务沟通 | | | 认知:向量型数据库选型原理 实战工具:GPU/云厂商选型,向量数据库选型,私有化部署,推理性能优化,高可用架构,内容安全,算法备案 |
|