課程簡介

大模型出現(xiàn)后，機器學習的定位有所變化。除了NLP場景外，chatGPT也深刻地影響了機器學習的其他場景。本課程將探討機器學習在GPT時代下的挑戰(zhàn)與變化，進而也會探討chatGPT這樣的大模型與機器學習類的小模型如何協(xié)同、滿足業(yè)務需求的實踐方法。
本課程將會介紹機器學習與chtaGPT的基礎概念與實際能力，兩者如何協(xié)同融合，以及如何在金融行業(yè)上應用。

目標收益

培訓對象

課程內容

1. 機器學習概論
a. 機器學習簡介
b. 機器學習經(jīng)典應用回顧
i. 分類任務：欺詐檢測、個性化推薦、流失分析
ii. 聚類任務：用戶人群聚合、客戶反饋聚合
c. 機器學習的現(xiàn)實挑戰(zhàn)
2. GPT與自然語言處理
a. 基與Bert的NLP應用
b. 大語言模型統(tǒng)一NLP任務
c. GPT當前的實際應用
d. GPT賦能MachineLearning的能力邊界
3. GPT賦能MachineLearning能力優(yōu)化方法
a. 基于結構化prompt
b. 基于CoT的prompt優(yōu)化
c. 基于RAG的領域能力提升
d. 基于functionCall的專業(yè)能力提升
e. 基于ReAct框架協(xié)同推理與行動
f. 基于Agent機制強化能力
4. GPT時代下的機器學習實踐項目流
a. 起始：信息檢索與腦暴
b. 執(zhí)行：問題定義與模型選擇
c. 實現(xiàn)：模型實現(xiàn)與代碼生成
d. 數(shù)據(jù)準備：數(shù)據(jù)收集與探索分析
e. 數(shù)據(jù)增強：數(shù)據(jù)預處理與補全
f. 特征工程：特征枚舉與交叉
g. 模型驗證：模型超參數(shù)調優(yōu)
h. 模型部署：建議部署環(huán)境與監(jiān)控線上情況
i. 業(yè)務落地：模型解釋與效果評估
j. 總結：項目報告生成
5. 機器學習與chatGPT能力結合
a. 挑戰(zhàn)：全自動機器學習的回顧與可能性
b. 輔助提效：基于chatGPT的交互式機器學習環(huán)境搭建
c. 全監(jiān)管模式：基于Agent機制下的chatGPT調度機器學習全流程探索
6. 實踐挑戰(zhàn)
a. 機器學習場景落地改造
b. 使用chatGPT協(xié)助的數(shù)據(jù)風險
c. 大小模型嵌套的整體框架
7. 總結與QA
a. 課程回顧
b. 未來展望
c. 開放問答與討論