|
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 |
| 
