課程簡介
本課程全面解析大語言模型（LLM）的核心概念、技術原理及實際應用，涵蓋從基礎理論到實戰(zhàn)部署，再到行業(yè)賦能與商業(yè)模式創(chuàng)新的各個方面。通過深入探討LLM的工作機制、本地部署方法、DeepSeek模型的獨特創(chuàng)新、提示詞工程應用、未來發(fā)展趨勢及在PC行業(yè)的具體案例，幫助學員掌握LLM的全面應用能力，提升在數(shù)字化轉型中的創(chuàng)新與實踐能力。
目標收益
1. 掌握LLM的核心概念與技術原理。
2. 學習LLM本地部署的實戰(zhàn)技巧。
3. 深入理解DeepSeek模型的獨特創(chuàng)新。
4. 掌握提示詞工程的應用方法。
5. 了解LLM在各行業(yè)的應用前景。
6. 提升在數(shù)字化轉型中的創(chuàng)新能力
培訓對象
1. 科技行業(yè)從業(yè)者：產品經理、數(shù)據(jù)分析師、軟件開發(fā)者，希望了解AI如何影響工作。
2. 企業(yè)數(shù)字化轉型團隊成員：技術負責人和業(yè)務分析師，推動企業(yè)數(shù)字化進程。
3. AI行業(yè)新進入者：應屆畢業(yè)生或轉行者，快速掌握LLM基礎知識和應用。
4. AI技術愛好者和研究者：對技術細節(jié)和最新發(fā)展感興趣，特別是DeepSeek模型的創(chuàng)新。
5. 內容創(chuàng)作者和市場營銷人員：利用LLM提高工作效率或創(chuàng)新內容生產方式。
課程大綱
| 大語言模型LLM簡介 |
1.什么是大型語言模型？ 2.GPT系列模型概述 3.chatGPT和GPT的關系 4.AIGC和LLM的關系 5.開源模型 vs 閉源模型 6.單模態(tài) vs 多模態(tài) 7.AIGC的三大應用領域 8.應用案例和潛在能力 9.實戰(zhàn)案例演示（文本生成+文生圖） |
| 大語言模型LLM的基本原理 |
1.大語言模型“大”在哪里 2.大語言模型的基本原理 3.大語言模型的訓練過程 4.chatGPT的三階段訓練 5.大語言模型的不可解釋性 6.大語言模型和搜索引擎的區(qū)別與聯(lián)系 7.國內使用chatGPT的主要途徑 |
| 大語言模型本地部署實戰(zhàn) |
1.本地部署的基礎知識 2.本地安裝ollama 3.本地部署Deepseek R1 4.本地部署Llama 3.3 5.本地安裝open-webui 6.本地部署實現(xiàn)RAG |
| DeepSeek大模型基礎與使用進階 |
1.DeepSeek與傳統(tǒng)LLM的主要區(qū)別 2.從DeepSeek R1 Zero到DeepSeek R1 3.DeepSeek R1和OpenAI O1模型的對比總結 4.預訓練范式 vs 推理計算范式 5.多頭潛在注意力機制MLA 6.混合專家架構MoE 7.DeepSeekMoE的關鍵創(chuàng)新 8.對傳統(tǒng)大模型的挑戰(zhàn)和機遇 9.DeepSeek的常見誤解與詳細解讀 |
| 大語言模型LLM加持下的全新商業(yè)模式（獨家干貨） |
1.文生文的各類應用場景（獨家案例） 2.文生文行業(yè)產品分析（獨家案例） 3.文生圖的各類應用場景（獨家案例） 4.文生圖行業(yè)產品分析（獨家案例） 5.文生視頻的各類應用場景（獨家案例） 6.文生視頻行業(yè)產品分析（獨家案例） 7.AIGC全球商業(yè)案例與產品創(chuàng)新（上）（獨家案例） 8.AIGC全球商業(yè)案例與產品創(chuàng)新（下）（獨家案例） |
| 大語言模型LLM對傳統(tǒng)行業(yè)的賦能 |
1.提效級創(chuàng)新 2.開創(chuàng)性創(chuàng)新 VS 微創(chuàng)新 3.在辦公行業(yè)的提效案例 4.在數(shù)據(jù)分析行業(yè)的提效案例 5.在招聘行業(yè)的提效案例 6.在廣告文案行業(yè)的提效案例 7.在銷售行業(yè)的提效案例 8.在研發(fā)效能提升領域的案例 |
| 如何使用好LLM |
1.什么是提示詞工程？ 2.如何構建有效的提示 3.常見的提示類型（信息檢索、創(chuàng)意寫作、編程等） 4.提示的格式和結構 5.使用反饋循環(huán)進行迭代 6.跟蹤和分析結果 7.私域知識擴展 8.RAG技術詳解與應用場景 9.什么是模型的涌現(xiàn)能力 10.什么是思維鏈 11.上下文學習zero-shot和few-shot 12.提示詞的agent模式 13.有效使用提示詞模板 14.提示詞攻擊 |
| ChatGPT的未來發(fā)展和應用前景 |
1.ChatGPT的未來發(fā)展方向 2.ChatGPT在各行業(yè)中的應用前景 3.ChatGPT與其他人工智能技術的關系和比較 4.ChatGPT的風險與不確定性應對 5.ChatGPT的技術演化方向 6.ChatGPT的法律風險 7.ChatGPT的哲學思考 |
| 大語言模型的局限性 |
1.安全性和隱私 2.倫理使用指南 3.暗知識的局限性 4.知識平權場景下的LLM |
| LLM（chatGPT）在PC行業(yè)的各類應用解讀 |
1.智能客服：提供24/7在線支持，快速解答用戶問題，減少人工客服負擔。 2.產品推薦：- 根據(jù)用戶需求和偏好，智能推薦合適的PC或筆記本型號。 3.市場調研分析：- 分析用戶反饋和市場趨勢，幫助廠商優(yōu)化產品設計和營銷策略。 4.文檔自動生成：- 自動生成產品說明書、用戶手冊和技術文檔，提高文檔編寫效率。 5.售后服務優(yōu)化：- 分析故障報告，提供解決方案，提升售后服務質量。 6.培訓與教育：- 為員工提供定制化的培訓內容，提高員工技能和知識水平。 7.設計輔助：- 在產品設計階段，提供創(chuàng)意建議和技術支持，提升設計效率。 8.代碼生成與優(yōu)化：- 在軟件開發(fā)過程中，自動生成代碼片段或優(yōu)化現(xiàn)有代碼，提高開發(fā)效率。 9.用戶體驗提升：- 通過分析用戶行為，優(yōu)化產品界面和功能，提高用戶滿意度。 10.內容審核：- 自動審核用戶生成內容，確保符合品牌標準和政策要求。 11.社交媒體管理：- 自動生成和發(fā)布社交媒體內容，增強品牌曝光和用戶互動。 12.多語言支持：- 提供多語言翻譯和本地化支持，拓展國際市場。 |
| 實戰(zhàn)演練與案例分享 |
1.千行百業(yè)中的真實案例實戰(zhàn)（各類實現(xiàn)干貨案例） 2.從需求到解決方案的完整過程 3.行業(yè)大語言模型使用現(xiàn)狀與限制 4.軟件開發(fā)中的實戰(zhàn)案例 5.制造業(yè)的實際案例 |
|
大語言模型LLM簡介 1.什么是大型語言模型？ 2.GPT系列模型概述 3.chatGPT和GPT的關系 4.AIGC和LLM的關系 5.開源模型 vs 閉源模型 6.單模態(tài) vs 多模態(tài) 7.AIGC的三大應用領域 8.應用案例和潛在能力 9.實戰(zhàn)案例演示（文本生成+文生圖） |
|
大語言模型LLM的基本原理 1.大語言模型“大”在哪里 2.大語言模型的基本原理 3.大語言模型的訓練過程 4.chatGPT的三階段訓練 5.大語言模型的不可解釋性 6.大語言模型和搜索引擎的區(qū)別與聯(lián)系 7.國內使用chatGPT的主要途徑 |
|
大語言模型本地部署實戰(zhàn) 1.本地部署的基礎知識 2.本地安裝ollama 3.本地部署Deepseek R1 4.本地部署Llama 3.3 5.本地安裝open-webui 6.本地部署實現(xiàn)RAG |
|
DeepSeek大模型基礎與使用進階 1.DeepSeek與傳統(tǒng)LLM的主要區(qū)別 2.從DeepSeek R1 Zero到DeepSeek R1 3.DeepSeek R1和OpenAI O1模型的對比總結 4.預訓練范式 vs 推理計算范式 5.多頭潛在注意力機制MLA 6.混合專家架構MoE 7.DeepSeekMoE的關鍵創(chuàng)新 8.對傳統(tǒng)大模型的挑戰(zhàn)和機遇 9.DeepSeek的常見誤解與詳細解讀 |
|
大語言模型LLM加持下的全新商業(yè)模式（獨家干貨） 1.文生文的各類應用場景（獨家案例） 2.文生文行業(yè)產品分析（獨家案例） 3.文生圖的各類應用場景（獨家案例） 4.文生圖行業(yè)產品分析（獨家案例） 5.文生視頻的各類應用場景（獨家案例） 6.文生視頻行業(yè)產品分析（獨家案例） 7.AIGC全球商業(yè)案例與產品創(chuàng)新（上）（獨家案例） 8.AIGC全球商業(yè)案例與產品創(chuàng)新（下）（獨家案例） |
|
大語言模型LLM對傳統(tǒng)行業(yè)的賦能 1.提效級創(chuàng)新 2.開創(chuàng)性創(chuàng)新 VS 微創(chuàng)新 3.在辦公行業(yè)的提效案例 4.在數(shù)據(jù)分析行業(yè)的提效案例 5.在招聘行業(yè)的提效案例 6.在廣告文案行業(yè)的提效案例 7.在銷售行業(yè)的提效案例 8.在研發(fā)效能提升領域的案例 |
|
如何使用好LLM 1.什么是提示詞工程？ 2.如何構建有效的提示 3.常見的提示類型（信息檢索、創(chuàng)意寫作、編程等） 4.提示的格式和結構 5.使用反饋循環(huán)進行迭代 6.跟蹤和分析結果 7.私域知識擴展 8.RAG技術詳解與應用場景 9.什么是模型的涌現(xiàn)能力 10.什么是思維鏈 11.上下文學習zero-shot和few-shot 12.提示詞的agent模式 13.有效使用提示詞模板 14.提示詞攻擊 |
|
ChatGPT的未來發(fā)展和應用前景 1.ChatGPT的未來發(fā)展方向 2.ChatGPT在各行業(yè)中的應用前景 3.ChatGPT與其他人工智能技術的關系和比較 4.ChatGPT的風險與不確定性應對 5.ChatGPT的技術演化方向 6.ChatGPT的法律風險 7.ChatGPT的哲學思考 |
|
大語言模型的局限性 1.安全性和隱私 2.倫理使用指南 3.暗知識的局限性 4.知識平權場景下的LLM |
|
LLM（chatGPT）在PC行業(yè)的各類應用解讀 1.智能客服：提供24/7在線支持，快速解答用戶問題，減少人工客服負擔。 2.產品推薦：- 根據(jù)用戶需求和偏好，智能推薦合適的PC或筆記本型號。 3.市場調研分析：- 分析用戶反饋和市場趨勢，幫助廠商優(yōu)化產品設計和營銷策略。 4.文檔自動生成：- 自動生成產品說明書、用戶手冊和技術文檔，提高文檔編寫效率。 5.售后服務優(yōu)化：- 分析故障報告，提供解決方案，提升售后服務質量。 6.培訓與教育：- 為員工提供定制化的培訓內容，提高員工技能和知識水平。 7.設計輔助：- 在產品設計階段，提供創(chuàng)意建議和技術支持，提升設計效率。 8.代碼生成與優(yōu)化：- 在軟件開發(fā)過程中，自動生成代碼片段或優(yōu)化現(xiàn)有代碼，提高開發(fā)效率。 9.用戶體驗提升：- 通過分析用戶行為，優(yōu)化產品界面和功能，提高用戶滿意度。 10.內容審核：- 自動審核用戶生成內容，確保符合品牌標準和政策要求。 11.社交媒體管理：- 自動生成和發(fā)布社交媒體內容，增強品牌曝光和用戶互動。 12.多語言支持：- 提供多語言翻譯和本地化支持，拓展國際市場。 |
|
實戰(zhàn)演練與案例分享 1.千行百業(yè)中的真實案例實戰(zhàn)（各類實現(xiàn)干貨案例） 2.從需求到解決方案的完整過程 3.行業(yè)大語言模型使用現(xiàn)狀與限制 4.軟件開發(fā)中的實戰(zhàn)案例 5.制造業(yè)的實際案例 |
近期公開課推薦
