您現(xiàn)在的位置：首頁 > 企業(yè)內(nèi)訓 > 人工智能 > AI大模型全棧工程師實戰(zhàn)訓練營

AI大模型全棧工程師實戰(zhàn)訓練營

2024-03-06 13:49:48　|　來源：企業(yè)IT培訓

一、培訓背景

隨著科技的飛速發(fā)展，人工智能(AI)已成為引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力。大模型(Large Language Models, LLMs)作為AI領(lǐng)域的一項革命性突破，正以前所未有的速度重塑著我們對智能交互、知識管理、內(nèi)容創(chuàng)作乃至整個數(shù)字化世界的認知。近年來，諸如DeepSeek、GPT系列、Sora等大模型的不斷涌現(xiàn)，不僅展示了AI在自然語言處理領(lǐng)域的巨大潛力，也預(yù)示著AI技術(shù)即將邁入一個更加復(fù)雜、細膩且廣泛適用的新紀元。

人工智能成為全球焦點的背景下，2024年中國政府工作報告，就首次提出開展“人工智能+”行動，相信后續(xù)還有更多利好人工智能和“人工智能+”的政策即將釋放。而在國家層面推動“AI+”行動，無數(shù)的機會也將井噴。

二、培訓對象

從事人工智能領(lǐng)域工作的人

如果你正在從事人工智能、機器學習、數(shù)據(jù)分析等相關(guān)領(lǐng)域的工作，或者想要進入這些

領(lǐng)域，那么學習AI大模型開發(fā)將會對你的職業(yè)發(fā)展有很大的幫助。

軟件工程師和架構(gòu)師

這類專業(yè)人士可以通過學習AI大模型開發(fā)課程來提升團隊的研發(fā)效率，了解大模型如何影響軟件架構(gòu)，并掌握基于大模型的全新開發(fā)范式。

對人工智能有濃厚興趣的人

對人工智能、機器學習等領(lǐng)域有濃厚的興趣，想要深入了解并掌握相關(guān)技能，并有一定的軟件開發(fā)基礎(chǔ)的從業(yè)者。

三、培訓收益

1.整體掌握大模型理論知識;

2.了解自注意力機制、Transformer模型、BERT模型;

3.掌握DeepSeek與ChatGPT原理與實戰(zhàn);

4.了解LLM應(yīng)用程序技術(shù)棧和提示詞工程Prompt Enginerring;

5.了解國產(chǎn)大模型ChatGLM;

6.了解視覺大模型技術(shù)優(yōu)勢;

7.掌握語言理解與字幕生成及其應(yīng)用;

8.掌握圖像生成和應(yīng)用實操;

9.了解應(yīng)用場景與潛力分析;

10.了解大模型企業(yè)商用項目實戰(zhàn)。

四、培訓信息

1)培訓方式：

培訓采用線下專家面授+同步直播的形式。所有課程均贈送學習教材、視頻回放、

答疑交流群、促學服務(wù)等。并對考生提供專人報考、考試指導(dǎo)、證書郵寄等。多維度精

細化教學，一站式報考服務(wù)，滿足不同企業(yè)及學員的學習需求。

2)培訓班次：

2025年03月26-28日廣州

2025年06月28-30日北京

2025年10月27-29日成都

2025年12月24-26日長沙

五、培訓內(nèi)容

培訓共計3天，每天6小時，具體日程安排如下：

培訓時間	培訓主題	培訓大綱
第一天	預(yù)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DeepSeek VS ChatGPT4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、DeepSeek的MoE 混合專家模型介紹 7、DeepSeek-R3后訓練階段與強化學習技術(shù)介紹 8、0penAl文本模型A、B、C、D四大模型引擎簡介 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、DeepSeek模型介紹與部署門檻 13、DeepSeek開源生態(tài):微調(diào)、多模態(tài)，WebUI等項目簡介
	預(yù)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(wù)的輸入轉(zhuǎn)換無監(jiān)督預(yù)訓練、有監(jiān)督 Fine-tuning BERT思路的理解 BERT模型下游任務(wù)的網(wǎng)絡(luò)層設(shè)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(yù)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(yīng)用程序技術(shù)棧和提示詞工程Prompt Enginerring	設(shè)計模式：上下文學習數(shù)據(jù)預(yù)處理/嵌入提示構(gòu)建/檢索提示執(zhí)行/推理數(shù)據(jù)預(yù)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(yù)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(shè)計和使用
第二天	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(shè)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(yù)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(shè)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(yīng)RAG 1. LangGraph 應(yīng)用場景、核心功能、特點 2. 基礎(chǔ)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(yīng)RAG 8. 代理RAG與糾正（CRAG）
第三天	第八節(jié) LLM模型的私有化部署與調(diào)用	LLM 推理與本地私有化部署 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(chǔ)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(wù)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 1. 內(nèi)容創(chuàng)建 2. 客服服務(wù) 3. 數(shù)據(jù)分析 4. 代碼編寫 5. 創(chuàng)建應(yīng)用程序

六、講師團隊

劉老師 | 國內(nèi)頂尖AI專家

擁有十幾年軟件研發(fā)經(jīng)驗，十年企業(yè)培訓經(jīng)驗，對Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨特的研究，精通J2EE企業(yè)級開發(fā)技術(shù)。Java方向：設(shè)計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫數(shù)據(jù)推薦，Tensorflow人工智能框架、人臉識別技術(shù)。區(qū)塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。

鄒老師 | 長春工業(yè)大學人工智能研究院院長

工程學術(shù)帶頭人、華東建筑設(shè)計研究總院研究員、山東交通學院客座教授、南昌航空大學碩士生導(dǎo)師、中國軟件行業(yè)協(xié)會專家委員、上海市計劃生育科學研究所特聘專家、天津大學創(chuàng)業(yè)導(dǎo)師、中華中醫(yī)藥學會會員、中國醫(yī)藥教育協(xié)會老年運動與健康分會學術(shù)委員;領(lǐng)導(dǎo)睿客邦與全國二十多所高校、國企建立了AI聯(lián)合實驗室，完成50多個深度學習實踐項目，廣泛應(yīng)用于醫(yī)療、交通、農(nóng)業(yè)、氣象、銀行、電信等多個領(lǐng)域。

帶隊完成了數(shù)十個AI項目，內(nèi)容不僅包括深度學習、機器學習、數(shù)據(jù)挖掘等具體技術(shù)要點，也包括AI的整體發(fā)展、現(xiàn)狀、應(yīng)用、商業(yè)價值、未來方向等，涵蓋內(nèi)容非常豐富。

七、相關(guān)證書

參加培訓并通過考試的學員，由工業(yè)和信息化部教育與考試中心統(tǒng)一頒發(fā)《AI大模型全棧技術(shù)(高級)》工業(yè)和信息化職業(yè)能力證書，證書可作為專業(yè)技術(shù)人員職業(yè)能力考核的證明，以及專業(yè)技術(shù)人員崗位聘用、任職、定級和晉升職務(wù)的重要依據(jù)。