課程簡介
本課程聚焦大模型在軟件研發(fā)領域的落地實踐，結合電商、DevOps等案例，深入講解大語言模型技術、提示詞工程、代碼生成與補全、缺陷檢測、圖像識別等關鍵應用。通過兩天的培訓，學員將掌握大模型在研發(fā)流程中的實際應用技巧，提升研發(fā)效率與質量。
目標收益
1、提升研發(fā)效率：掌握代碼生成與補全技巧。
2、優(yōu)化測試流程：學會自動化測試用例生成。
3、增強代碼質量：了解代碼缺陷自動化修復方法。
4、提升圖像識別精度：學習圖像識別模型優(yōu)化技術。
5、掌握提示詞工程：優(yōu)化上下文提示詞，提升模型響應精準度。
6、智能調試與定位錯誤：快速定位并解決代碼錯誤。
培訓對象
軟件研發(fā)工程師
測試工程師
技術團隊管理者
AI技術愛好者
DevOps工程師
企業(yè)信息化負責人
課程大綱
| AI大模型與應用典型問題分析 |
1.問題分析 2.討論 |
| AI在電商領域的發(fā)展與應用 |
1.個性化推薦系統(tǒng) 2.商品自動識別搜索 3.智能客服與AI助理 4.數(shù)據(jù)分析與市場訂單趨勢預測 5.商品描述與廣告自動化生成 6.價格優(yōu)化與動態(tài)定價策略 7.客戶反饋分析 8.風險評估與預防欺詐 |
| AI主要應用技術分類 |
1.AI技術概覽 2.AI技術的四要素 3.AI模型的研發(fā)流程 4.深度學習與神經網絡 5.圖像算法典型案例 6.語音算法典型案例 7.NLP算法典型案例 8.大語言模型典型案例 |
| 大語言模型技術 |
1.大語言模型的定義和特點 2.大語言模型技術演變簡史 3.大語言模型的架構解析 4.大語言模型訓練方法和優(yōu)化技術 5.大語言模型在自然語言處理任務中的性能表現(xiàn) 6.大模型面臨的挑戰(zhàn) |
| DeepSeek概述 |
1.DeepSeek簡介 2.DeepSeek架構與原理 3.DeepSeek優(yōu)勢 4.DeepSeek不足 5.如何部署DeepSeek 6.【案例】本地調用DeepSeek |
| OLIama部署應用 |
1.OLIama簡介 2.模型參數(shù) 3.網絡安全隔離 4.部署OLIama環(huán)境 5.OLIama常用操作命令 6.離線模型CLI接口 7.模型API接口 8.API調用方式 9.UI調試界面 10.模型微調 11.【案例】實現(xiàn)離線大模型人機對話 |
| 提示詞工程 |
1.什么是提示詞工程？ 2.優(yōu)化的上下文提示詞 3.【案例】提示詞返回精準答案 |
| 代碼生成與補全 |
1.代碼質量全鏈路質量保證技術手段 2.主流代碼補全工具 3.TabNine |
| 代碼理解與重構建議 |
1.代碼重構概述 2.通過DeepSeek進行代碼解釋 3.通過DeepSeek進行代碼重構 4.【案例】代碼重構效果對比 |
| 缺陷檢測與代碼審查 |
1.Code review概述 2.Code review結果解析 3.Code review結果推送 4.【案例】進行自動化code review |
| 白盒測試代碼自動化生成 |
1.DeepSeek生成java單元測試代碼 2.進行自動化單元測試執(zhí)行 3.優(yōu)化單元測試代碼 4.【案例】白盒測試集成至CI流水線 |
| 研發(fā)自測自動化用例生成 |
1.生成自動化測試腳本 2.【案例】DeepSeek自動生成自動化用例 3.【案例】自動化用例集成至CI流水線 |
| 代碼缺陷修復 |
1.常見代碼缺陷類型 2.通過DeepSeek進行代碼缺陷修復 3.【案例】代碼缺陷自動化檢查 |
| UI自動化測試用例生成 |
1.優(yōu)化提示詞 2.生成selenium自動化測試用例腳本 |
| DevOps領域應用 |
1.生成Jenkins groovy腳本構建CI pipeline 2.根據(jù)歷史數(shù)據(jù)做流量預測 3.監(jiān)控圖像分析與理解 4.智能故障診斷 |
| 智能調試與錯誤定位 |
1.日志等級與規(guī)范 2.分析錯誤日志 3.【案例】通過DeepSeek進行錯誤自動化定位 |
| 代碼質量評估 |
1.代碼質量評價維度 2.開發(fā)代碼質量評估腳本 3.【案例】實現(xiàn)提交代碼分鐘級質量評估反饋 |
| 高效利用OLIama |
1.下載docker鏡像 2.啟動docker pod 3.映射多接口地址 4.部署Nginx 5.配置Nginx實現(xiàn)輪詢 6.實現(xiàn)接口并發(fā)處理 7.【案例】缺陷發(fā)現(xiàn)->缺陷修復->缺陷驗證閉環(huán) |
| 圖像識別模型對抗與badcase推薦 |
1.搭建模型對抗工作流 2.多模型投票加權分析 3.自動化篩選Badcase 4.【案例】商品AI識別效果評測 |
| AI圖像目標檢測 |
1.AI Yolo模型簡介 2.圖像標注 3.模型訓練 4.效果評測 5.模型推理 6.Badcase分析 7.模型優(yōu)化 |
|
AI大模型與應用典型問題分析 1.問題分析 2.討論 |
|
AI在電商領域的發(fā)展與應用 1.個性化推薦系統(tǒng) 2.商品自動識別搜索 3.智能客服與AI助理 4.數(shù)據(jù)分析與市場訂單趨勢預測 5.商品描述與廣告自動化生成 6.價格優(yōu)化與動態(tài)定價策略 7.客戶反饋分析 8.風險評估與預防欺詐 |
|
AI主要應用技術分類 1.AI技術概覽 2.AI技術的四要素 3.AI模型的研發(fā)流程 4.深度學習與神經網絡 5.圖像算法典型案例 6.語音算法典型案例 7.NLP算法典型案例 8.大語言模型典型案例 |
|
大語言模型技術 1.大語言模型的定義和特點 2.大語言模型技術演變簡史 3.大語言模型的架構解析 4.大語言模型訓練方法和優(yōu)化技術 5.大語言模型在自然語言處理任務中的性能表現(xiàn) 6.大模型面臨的挑戰(zhàn) |
|
DeepSeek概述 1.DeepSeek簡介 2.DeepSeek架構與原理 3.DeepSeek優(yōu)勢 4.DeepSeek不足 5.如何部署DeepSeek 6.【案例】本地調用DeepSeek |
|
OLIama部署應用 1.OLIama簡介 2.模型參數(shù) 3.網絡安全隔離 4.部署OLIama環(huán)境 5.OLIama常用操作命令 6.離線模型CLI接口 7.模型API接口 8.API調用方式 9.UI調試界面 10.模型微調 11.【案例】實現(xiàn)離線大模型人機對話 |
|
提示詞工程 1.什么是提示詞工程？ 2.優(yōu)化的上下文提示詞 3.【案例】提示詞返回精準答案 |
|
代碼生成與補全 1.代碼質量全鏈路質量保證技術手段 2.主流代碼補全工具 3.TabNine |
|
代碼理解與重構建議 1.代碼重構概述 2.通過DeepSeek進行代碼解釋 3.通過DeepSeek進行代碼重構 4.【案例】代碼重構效果對比 |
|
缺陷檢測與代碼審查 1.Code review概述 2.Code review結果解析 3.Code review結果推送 4.【案例】進行自動化code review |
|
白盒測試代碼自動化生成 1.DeepSeek生成java單元測試代碼 2.進行自動化單元測試執(zhí)行 3.優(yōu)化單元測試代碼 4.【案例】白盒測試集成至CI流水線 |
|
研發(fā)自測自動化用例生成 1.生成自動化測試腳本 2.【案例】DeepSeek自動生成自動化用例 3.【案例】自動化用例集成至CI流水線 |
|
代碼缺陷修復 1.常見代碼缺陷類型 2.通過DeepSeek進行代碼缺陷修復 3.【案例】代碼缺陷自動化檢查 |
|
UI自動化測試用例生成 1.優(yōu)化提示詞 2.生成selenium自動化測試用例腳本 |
|
DevOps領域應用 1.生成Jenkins groovy腳本構建CI pipeline 2.根據(jù)歷史數(shù)據(jù)做流量預測 3.監(jiān)控圖像分析與理解 4.智能故障診斷 |
|
智能調試與錯誤定位 1.日志等級與規(guī)范 2.分析錯誤日志 3.【案例】通過DeepSeek進行錯誤自動化定位 |
|
代碼質量評估 1.代碼質量評價維度 2.開發(fā)代碼質量評估腳本 3.【案例】實現(xiàn)提交代碼分鐘級質量評估反饋 |
|
高效利用OLIama 1.下載docker鏡像 2.啟動docker pod 3.映射多接口地址 4.部署Nginx 5.配置Nginx實現(xiàn)輪詢 6.實現(xiàn)接口并發(fā)處理 7.【案例】缺陷發(fā)現(xiàn)->缺陷修復->缺陷驗證閉環(huán) |
|
圖像識別模型對抗與badcase推薦 1.搭建模型對抗工作流 2.多模型投票加權分析 3.自動化篩選Badcase 4.【案例】商品AI識別效果評測 |
|
AI圖像目標檢測 1.AI Yolo模型簡介 2.圖像標注 3.模型訓練 4.效果評測 5.模型推理 6.Badcase分析 7.模型優(yōu)化 |
近期公開課推薦
