无码人妻A片一区二区三区_18禁裸乳无遮挡啪啪无码免费_91精品亚?影视在线?看_人人妻人人爽人人澡AV_国产精品人妻一区二区三区四区_午夜免费影视

中培企業(yè)IT培訓 400-626-7377 400-626-7377
AI大模型全棧工程師實戰(zhàn)訓練營

什么是AI大模型

AI大模型的全稱是"Artificial Intelligence Large-scale Model"，即"人工智能大規(guī)模模型"。這個術(shù)語通常用來描述具有巨大規(guī)模參數(shù)和訓練數(shù)據(jù)的機器學習模型，如Transformer、GPT、BERT等。大模型通常由深度神經(jīng)網(wǎng)絡構(gòu)建，通過在大規(guī)模數(shù)據(jù)上進行預訓練(Pre-training)和微調(diào)(Fine-tuning)，學習到豐富的特征表示和知識。

AI大模型的三大優(yōu)勢

抓住AI的風口，給自己一個升職加薪的機會

AI大模型，引領(lǐng)未來市場趨勢

帶你掌握硬核技能，成為更懂AI大模型的人

四大課程優(yōu)勢，學起來事半功倍

熱門大模型深度解析與上手實踐

適合人群

AI大模型全棧工程師實戰(zhàn)訓練營課程大綱

第一天 第二天 第三天

  • 預備知識第一節(jié)：大模型理論知識

    1、初探大模型：起源與發(fā)展
    2、GPT模型家族：從始至今
    3、大模型_GPT_ChatGPT的對比介紹
    4、大模型實戰(zhàn)-大模型2種學習路線的講解
    5、 大模型最核心的三項技術(shù):模型、微調(diào)和開發(fā)框架
    6、 0penAl GPT系列在線大模型技術(shù)生態(tài)
    7、0penAl文本模型A、B、C、D四大模型引擎簡介
    8、0penAl語音模型Whisper與圖像型DALL·E模型介紹
    9、最強Embedding大模型text-embedding-ada模型介紹
    10、全球開源大模型性能評估榜單
    11、中文大模型生態(tài)介紹與GLM 130B模型介紹
    12、ChatGLM模型介紹與部署門檻
    13、ChatGLM開源生態(tài):微調(diào)、多模態(tài)，WebUI等項目簡介

  • 預備知識第二節(jié)：自注意力機制、Transformer模型、BERT模型

    RNN-LSTM-GRU等基本概念
    編碼器、解碼器
    自注意力機制詳解
    Transformer
    Mask Multi-Head Attention
    位置編碼
    特定于任務的輸入轉(zhuǎn)換
    無監(jiān)督預訓練、有監(jiān)督 Fine-tuning
    BERT思路的理解
    BERT模型下游任務的網(wǎng)絡層設計
    BERT的訓練
    HuggingFace中BERT模型的推斷
    基于上下文的學習
    代碼和案例實踐：
    基本問答系統(tǒng)的代碼實現(xiàn)
    深入閱讀理解的代碼實現(xiàn)
    段落相關(guān)性代碼實現(xiàn)

  • 第三節(jié)：Embedding模型實戰(zhàn)

    大模型技術(shù)浪潮下的Embedding技術(shù)定位
    Embedding技術(shù)入門介紹
    從Ono-hot到Embedding
    Embedding文本衡量與相似度計算
    OpenAl Embedding模型與開源Embedding框架
    兩代OpenAl Embedding模型介紹
    text-embedding-ada-002模型調(diào)用方法詳解
    text-embedding-ada-002模型參數(shù)詳解與優(yōu)化策略
    借助Embedding進行特征編碼
    Embedding結(jié)果的可視化展示與結(jié)果分析
    【實戰(zhàn)】借助Embedding特征編碼完成有監(jiān)督預測
    【實戰(zhàn)】借助Embedding進行推薦系統(tǒng)冷啟動
    【實戰(zhàn)】借助Embedding進行零樣本分類與文本搜索
    Embedding模型結(jié)構(gòu)微調(diào)優(yōu)化
    借助CNN進行Embedding結(jié)果優(yōu)化
    【企業(yè)級實戰(zhàn)】海量文本的Embedding高效匹配

  • 第四節(jié)：LLM應用程序技術(shù)棧和提示詞工程Prompt Enginerring

    設計模式：上下文學習
    數(shù)據(jù)預處理/嵌入
    提示構(gòu)建/檢索
    提示執(zhí)行/推理
    數(shù)據(jù)預處理/嵌入
    Weaviate、Vespa 和 Qdrant等開源系統(tǒng)
    Chroma 和 Faiss 等本地向量管理庫
    pgvector 等OLTP 擴展
    提示構(gòu)建/檢索
    提示執(zhí)行/推理
    新興的大語言（LLM）技術(shù)棧
    數(shù)據(jù)預處理管道（data preprocessing pipeline）
    嵌入終端（embeddings endpoint ）+向量存儲（vector store）
    LLM 終端（LLM endpoints）
    LLM 編程框架（LLM programming framework）
    LangChain的主要功能及模塊
    Prompts: 這包括提示管理、提示優(yōu)化和提示序列化。
    LLMs: 這包括所有LLMs的通用接口，以及常用的LLMs工具。
    Document Loaders: 這包括加載文檔的標準接口，以及與各種文本數(shù)據(jù)源的集成。
    Utils: 語言模型在與其他知識或計算源的交互
    Python REPLs、嵌入、搜索引擎等
    LangChain提供的常用工具
    Indexes：語言模型結(jié)合自定義文本數(shù)據(jù)
    Agents：動作執(zhí)行、觀測結(jié)果
    LangChain的代理標準接口、可供選擇的代理、端到端代理示例
    Chat：Chat模型處理消息
    代碼和案例實踐：
    LLM大模型的使用
    Prompts的設計和使用

  • 第五節(jié)：國產(chǎn)大模型DeepSeek

    新一代DeepSeek模型API調(diào)用
    DeepSeek開放平臺使用方法與APIKey申請
    DeepSeek-V3、DeepSeek-R1、DeepEP介紹
    DeepSeek在線知識庫使用及模型計費說明
    DeepSeek模型SDK調(diào)用與三種運行方法
    DeepSeek調(diào)用函數(shù)全參數(shù)詳解
    DeepSeek Message消息格式與身份設置方法
    DeepSeek tools外部工具調(diào)用方法
    DeepSeek Function calling函數(shù)封裝12GLM4接入在線知識庫retrieval流程
    DeepSeek接入互聯(lián)網(wǎng)web_search方法
    【實戰(zhàn)】基于DeepSeek打造自動數(shù)據(jù)分析Agent
    【實戰(zhàn)】基于DeepSeek的自然語言編程實戰(zhàn)
    【實戰(zhàn)】基于DeepSeek Function call的用戶意圖識別
    【實戰(zhàn)】基于GLM4的長文本讀取與優(yōu)化

  • 第六節(jié)：LangChain大模型框架構(gòu)建

    構(gòu)建垂直領(lǐng)域大模型的通用思路和方法
    (1) 大模型+知識庫
    (2) PEFT(參數(shù)高效的微調(diào))
    (3) 全量微調(diào)
    (4) 從預訓練開始定制
    LangChain介紹
    LangChain模塊學習-LLMs 和 Prompts
    LangChain之Chains模塊
    LangChain之Agents模塊
    LangChain之Callback模塊
    Embedding嵌入
    自定義知識庫
    知識沖突的處理方式
    向量化計算可采用的方式
    文檔加載器模塊
    向量數(shù)據(jù)庫問答的設計
    Lanchain競品調(diào)研和分析
    Dust.tt/Semantic-kernel/Fixie.ai/Cognosis/GPT-Index
    LlamaIndex介紹
    LlamaIndex索引
    動手實現(xiàn)知識問答系統(tǒng)
    代碼和案例實踐：
    動手實現(xiàn)知識問答機器人
    LangChain文本摘要
    PDF文本閱讀問答

  • 第七節(jié)使用LangGraph構(gòu)建工作流

    LangGraph 構(gòu)建自適應RAG
    1.LangGraph 應用場景、核心功能、特點
    2.基礎概念：節(jié)點、邊、圖等
    3.LangGraph 的系統(tǒng)架構(gòu)
    4.數(shù)據(jù)模型和存儲機制
    5.基本數(shù)據(jù)查詢與操作
    6.高級查詢：路徑查詢、模式匹配
    7.使用本地LLM自適應RAG
    8.代理RAG與糾正（CRAG）

  • 第八節(jié)LLM模型的私有化部署與調(diào)用

    1. 各種模型文件介紹
    2. 模型的推理、量化介紹與實現(xiàn)
    3. Modelscope、Hugging Face簡單介紹與使用
    4. 大模型管理底座Ollama介紹
    5. Ollama + lLama 部署開源大模型
    6. Open WebUI發(fā)布與調(diào)用大模型
    7. API Key獲取與 Llama微調(diào)實現(xiàn)

  • 第九節(jié)：開源大模型微調(diào)實現(xiàn)

    Llama_Factory 微調(diào)實戰(zhàn)
    1. 提升模型性能方式介紹：Prompt、知識庫、微調(diào)
    2. 如何科學構(gòu)建訓練數(shù)據(jù)(基礎與專業(yè)數(shù)據(jù)混合訓練)
    3. 微調(diào)常見方式介紹：微調(diào)、偏好對齊、蒸餾、獎勵模型
    4. Llama3 模型架構(gòu)與調(diào)用申請
    5. 數(shù)據(jù)上傳與任務創(chuàng)建(job)
    6. 訓練集與測試集拆分與模型評估
    7. Unsloth微調(diào)平臺介紹
    8. Llama3開源大模型的微調(diào)與使用
    9. 模型的評估策略

  • 第十節(jié)：大模型企業(yè)商用項目實戰(zhàn)

    AI-Agent 構(gòu)建可發(fā)布的智能客服系統(tǒng)
    1. 智能體介紹與AutoGPT基本原理
    2. AutoGPT安裝與環(huán)境配置
    3. 實戰(zhàn)體驗：AutoGPT實現(xiàn)數(shù)據(jù)爬取、清洗、保存
    4. 創(chuàng)建各種場景的AutoGPT
    5. 內(nèi)容創(chuàng)建
    6. 客服服務
    7. 數(shù)據(jù)分析
    8. 代碼編寫
    9. 創(chuàng)建應用程序

授課場景一 授課場景二 授課場景三 授課場景四 授課場景五 授課場景六 授課場景七
主站蜘蛛池模板： 一区二区三区视频网 | 被男人吃奶很爽的毛片 | 国产无码不卡一区二区 | 98视频精品全部国产 | 浮生影视在线观看免费 | 亚洲aⅴ欧洲av国产综合图片 | 夜间福利网站 | 国产一区二区三区四区在线 | 999久久久| 男人猛躁进女人高清视频 | 国产小视频免费在线观看 | 亚洲欧美一区二区三区在线 | 日韩无码偷拍中文字幕 | 亚洲第一免费视频 | 欧美成人hd | 亚洲精品中文字幕无码av | 免费aaa级毛片在线视频 | 日韩最新av | 亚洲精品AⅤ在线国自产拍 亚洲传媒在线 | 亚州一区二区三区 | 欧美日韩xxxx | 日韩成人在线网站 | 日本人妻A片成人免费看片 成人毛片免费看片 | 蜜臀av夜夜澡人人爽人人桃色 | 久久久久99精品成人 | 精精久久 | 国产毛片一区二区精品 | 美女张开腿让男人视频 | 无码专区国产精品视频 | 精品一区二区无码免费在线观看 | 区二三区四区精华日产一线二线三 | 91污视频在线观看 | 欧美精产国品一二三产品区别在哪 | 黄网国产 | 亚洲精品欧美综合二区 | 国产目拍亚洲精品99久久精品 | 德国肥妇性猛交视频 | 91手机视频在线观看 | 成人未满十八无毛片 | 国产成人自拍网 | 天天摸天天做天天爽 |