課程簡介
本課程旨在幫助大家深入了解和應用大模型，從而利用其強大的自然語言處理能力解決各種現(xiàn)實世界的問題。內容包括介紹大型語言模型的基本原理、架構和訓練方法，幫助大家建立對大模型的理解和認知。深入探討LLAMA在各個領域的實際應用，包括自動文本生成、機器翻譯、情感分析、問答系統(tǒng)等，幫助大家了解如何將LlAMA應用于實際項目中。
目標收益
1. 系統(tǒng)化了解AIGC生態(tài)體系和發(fā)展趨勢
2. 系統(tǒng)化了解LLMs大語言模型生態(tài)體系和發(fā)展趨勢
3. 掌握大語言模型LLama2的基座模型微調方法
5. 掌握大語言模型開發(fā)框架Langchain的使用方法。
6. 構建基于LangChain完整項目的開發(fā)過程和經(jīng)驗
7 大模型在產(chǎn)業(yè)應用實踐（金融/電信/教育科技/制造業(yè)/公共服務業(yè)）
8 探索可落地的商用前景及實施路徑
培訓對象
課程大綱
| 第一部分: LLM大模型核心原理 |
1.大模型基礎：理論與技術的演進 2.LLMs大語言模型的概念定義 3.LLMs大語言模型的發(fā)展演進 4.LLMs大語言模型的生態(tài)體系 5.大語言模型技術發(fā)展與演進 6.基于統(tǒng)計機器學習的語言模型 7.基于深度神經(jīng)網(wǎng)絡的語言模型 8.基于 Transformer 的大語言模型 9.LLMs大語言模型的關鍵技術 10.LLMs大語言模型的核心框架：商業(yè)&開源 11.LLMs大語言模型的行業(yè)應用 12.動?開發(fā)第?個 ChatGPT Plugin |
| 第二部分: LLM大模型微調 |
1.大模型高效微調技術 2.Parameter-Efficient 3. Fine-Tuning (PEFT) 初探 4.大模型輕量級高效微調方法 LoRA 5.少樣本 PEFT 新方法 IA3 6.統(tǒng)一微調框架 UniPELT 7.基于人類反饋的強化學習微調技術 RLHF 8.混合專家模型 Mixture of Experts（MoE）技術架構揭秘 |
| 第三部分: 國內外大模型研究進展 |
1.國內外大模型研究進展 2.百度文心、 3.阿里通義 4.科大訊飛星火大模型 5.0pen API GPT 6.騰訊混元 7.華為鯤鵬大模型; |
| 第四部分: 大語言模型微調與Prompt提示工程 |
1.大語言模型微調與Prompt 2.大語言模型微調對象和層次 3.語言模型微調的主流方法 4.Prompt如何使用和進階 5.什么是提示與提示工程 6.提示工程的巨大威力：從Let’s think step by step說起 7.拆解、標準化、流程化：如何用AI改造工作 8.使用BROKE框架設計ChatGPT提示 9.通過案例分析，展示如何使用大模型prompt技術輔助開發(fā) |
| 第五部分: 基于智譜 AI GLM 篇-案例分析 |
1.GLM 大模型家族介紹 2.智譜第四代 API 介紹 3.AP| 基礎教學和實戰(zhàn) 4.使用 GLM-4 AP| 構建模型和應用 5.使用 GLM-4從0到1搭建并優(yōu)化 RAG 程序 6.Diffusion 原理介紹 7.模型訓練的數(shù)據(jù)優(yōu)化(DALLE3) 8.CogView3 及 API 調用演示 9.超擬人大模型 10.CharacterGLM:理論與實戰(zhàn) |
| 第六部分: ?模型應?開發(fā)框架 LangChain |
1.?模型應?開發(fā)框架 LangChain 2.LangChain 是什么 3.為什么需要 LangChain 4.LangChain 典型使?場景 5.LangChain 基礎概念與模塊化設計 6.LangChain 核?模塊??與實戰(zhàn) 7.LangChain 的3 個場景 8.LangChain 的6 大模塊 9.LangChain 的開發(fā)流程 10.創(chuàng)建基于LangChain聊天機器人 |
| 第七部分: 構建Llama2 +LangChain構建文檔問答系統(tǒng) |
1.構建復雜LangChain應? 2.LangChain模型(Models)：從不同的 LLM 和嵌入模型中進行選擇 3. LangChain提示(Prompts)：管理 LLM 輸入 4. LangChain鏈(Chains)：將 LLM 與其他組件相結合 5. LangChain索引(Indexs)：訪問外部數(shù)據(jù) 6. LangChain記憶(Memory)：記住以前的對話 7. LangChain代理(Agents)：訪問其他工具 8.Agent 理論基礎：ReAct 9.使?Llama大模型構建文檔問答系統(tǒng) |
| 第八部分: 基于大模型 + LangChain 產(chǎn)業(yè)應用場景和案例分析 |
1.大模型應用聊天機器人場景 2.大模型應用智能文檔和智能寫作場景 3.大模型應用知識圖譜場景 4.大模型應用用戶體驗管理場景 5.大模型應用搜索場景 6.大模型應用智能機器人場景 7.大模型LangChain程序設計案例：聊天機器人 8.大模型LangChain程序設計案例：代碼理解 9.大模型LangChain程序設計案例：API交互 10.大模型LangChain程序設計案例：文檔摘要 |
| 第九部分: 大模型技術在金融業(yè)應用的思考與建議 |
1.大模型技術在金融業(yè)應用的思考與建議 2.大模型技術的特點及局限性分析 3.大模型技術在金融領域的適用場景 4.大模型技術與金融智能營銷 5.大模型技術與金融智能風控 6.大模型技術與金融智能客服 7.大模型技術與金融虛擬營業(yè)廳和數(shù)字人 8.大模型技術與金融其他通用場景 |
| 第十部分: 大模型技術在軟件開發(fā)行業(yè)應用-以GPT為工具 |
1.大模型應用軟件架構設計階段場景與案例 2.大模型應用詳細設計階段階段場景與案例 3.大模型應用編碼階段階段場景與案例 4.大模型應用代碼重構與優(yōu)化階段場景與案例 5.大模型應用代碼評審階段場景與案例 6.大模型單元測試階段場景與案例 |
| 第十一部分: 大模型技術在其他行業(yè)應用 |
1.大模型技術在教育科技應用-可汗學院(Khan Academy) 2.大模型技術在大型企業(yè)數(shù)字化轉型應用-法務智能輔助審核 3.大模型技術在企業(yè)應用-安防企業(yè)智能文本審閱系統(tǒng) 4.大模型技術在電信應用-智能運維 5.大模型技術在互聯(lián)網(wǎng)和傳媒應用-智能搜索與推薦系統(tǒng) 6.大模型技術在建筑行業(yè)應用-智能工程圖紙管理 |
|
第一部分: LLM大模型核心原理 1.大模型基礎：理論與技術的演進 2.LLMs大語言模型的概念定義 3.LLMs大語言模型的發(fā)展演進 4.LLMs大語言模型的生態(tài)體系 5.大語言模型技術發(fā)展與演進 6.基于統(tǒng)計機器學習的語言模型 7.基于深度神經(jīng)網(wǎng)絡的語言模型 8.基于 Transformer 的大語言模型 9.LLMs大語言模型的關鍵技術 10.LLMs大語言模型的核心框架：商業(yè)&開源 11.LLMs大語言模型的行業(yè)應用 12.動?開發(fā)第?個 ChatGPT Plugin |
|
第二部分: LLM大模型微調 1.大模型高效微調技術 2.Parameter-Efficient 3. Fine-Tuning (PEFT) 初探 4.大模型輕量級高效微調方法 LoRA 5.少樣本 PEFT 新方法 IA3 6.統(tǒng)一微調框架 UniPELT 7.基于人類反饋的強化學習微調技術 RLHF 8.混合專家模型 Mixture of Experts（MoE）技術架構揭秘 |
|
第三部分: 國內外大模型研究進展 1.國內外大模型研究進展 2.百度文心、 3.阿里通義 4.科大訊飛星火大模型 5.0pen API GPT 6.騰訊混元 7.華為鯤鵬大模型; |
|
第四部分: 大語言模型微調與Prompt提示工程 1.大語言模型微調與Prompt 2.大語言模型微調對象和層次 3.語言模型微調的主流方法 4.Prompt如何使用和進階 5.什么是提示與提示工程 6.提示工程的巨大威力：從Let’s think step by step說起 7.拆解、標準化、流程化：如何用AI改造工作 8.使用BROKE框架設計ChatGPT提示 9.通過案例分析，展示如何使用大模型prompt技術輔助開發(fā) |
|
第五部分: 基于智譜 AI GLM 篇-案例分析 1.GLM 大模型家族介紹 2.智譜第四代 API 介紹 3.AP| 基礎教學和實戰(zhàn) 4.使用 GLM-4 AP| 構建模型和應用 5.使用 GLM-4從0到1搭建并優(yōu)化 RAG 程序 6.Diffusion 原理介紹 7.模型訓練的數(shù)據(jù)優(yōu)化(DALLE3) 8.CogView3 及 API 調用演示 9.超擬人大模型 10.CharacterGLM:理論與實戰(zhàn) |
|
第六部分: ?模型應?開發(fā)框架 LangChain 1.?模型應?開發(fā)框架 LangChain 2.LangChain 是什么 3.為什么需要 LangChain 4.LangChain 典型使?場景 5.LangChain 基礎概念與模塊化設計 6.LangChain 核?模塊??與實戰(zhàn) 7.LangChain 的3 個場景 8.LangChain 的6 大模塊 9.LangChain 的開發(fā)流程 10.創(chuàng)建基于LangChain聊天機器人 |
|
第七部分: 構建Llama2 +LangChain構建文檔問答系統(tǒng) 1.構建復雜LangChain應? 2.LangChain模型(Models)：從不同的 LLM 和嵌入模型中進行選擇 3. LangChain提示(Prompts)：管理 LLM 輸入 4. LangChain鏈(Chains)：將 LLM 與其他組件相結合 5. LangChain索引(Indexs)：訪問外部數(shù)據(jù) 6. LangChain記憶(Memory)：記住以前的對話 7. LangChain代理(Agents)：訪問其他工具 8.Agent 理論基礎：ReAct 9.使?Llama大模型構建文檔問答系統(tǒng) |
|
第八部分: 基于大模型 + LangChain 產(chǎn)業(yè)應用場景和案例分析 1.大模型應用聊天機器人場景 2.大模型應用智能文檔和智能寫作場景 3.大模型應用知識圖譜場景 4.大模型應用用戶體驗管理場景 5.大模型應用搜索場景 6.大模型應用智能機器人場景 7.大模型LangChain程序設計案例：聊天機器人 8.大模型LangChain程序設計案例：代碼理解 9.大模型LangChain程序設計案例：API交互 10.大模型LangChain程序設計案例：文檔摘要 |
|
第九部分: 大模型技術在金融業(yè)應用的思考與建議 1.大模型技術在金融業(yè)應用的思考與建議 2.大模型技術的特點及局限性分析 3.大模型技術在金融領域的適用場景 4.大模型技術與金融智能營銷 5.大模型技術與金融智能風控 6.大模型技術與金融智能客服 7.大模型技術與金融虛擬營業(yè)廳和數(shù)字人 8.大模型技術與金融其他通用場景 |
|
第十部分: 大模型技術在軟件開發(fā)行業(yè)應用-以GPT為工具 1.大模型應用軟件架構設計階段場景與案例 2.大模型應用詳細設計階段階段場景與案例 3.大模型應用編碼階段階段場景與案例 4.大模型應用代碼重構與優(yōu)化階段場景與案例 5.大模型應用代碼評審階段場景與案例 6.大模型單元測試階段場景與案例 |
|
第十一部分: 大模型技術在其他行業(yè)應用 1.大模型技術在教育科技應用-可汗學院(Khan Academy) 2.大模型技術在大型企業(yè)數(shù)字化轉型應用-法務智能輔助審核 3.大模型技術在企業(yè)應用-安防企業(yè)智能文本審閱系統(tǒng) 4.大模型技術在電信應用-智能運維 5.大模型技術在互聯(lián)網(wǎng)和傳媒應用-智能搜索與推薦系統(tǒng) 6.大模型技術在建筑行業(yè)應用-智能工程圖紙管理 |
近期公開課推薦
