一、GPT基础

1. GPT与生成式AI的概念与发展历程

介绍AIGC和大模型等相关概念，以及GPT从提出到GPT-4的发展历程。

2. GPT的原理浅析

讲解生成式AI、大语言模型、GPT的原理。

二、GPT落地实践与应用开发

1. GPT在金融行业的典型应用案例

大模型在行业中的典型应用案例，包括数据质量提升、财报及市场动态分析、DevOps机器人等场景。

2. GPT的API及Prompt Engineering

如何基于GPT的API开发智能应用和机器人。介绍Prompt Engineering，结合应用探讨Prompt Engineering的方法与作用。

案例详解：金融政策问答

3. 让GPT利用企业自身的文档与数据

通过embedding、向量数据库等技术，将企业里自身的文档与数据接入到GPT。

案例详解：上市公司财报分析

4. 让GPT从外部世界获取信息

如何将GPT对接到搜索引擎，并利用大语言模型的能力筛选和处理搜索结果

案例详解：财经新闻与市场情绪分析

6. GPT的微调

澄清业界对于“微调”的一些误解，结合实际案例介绍如何微调GPT模型并进行应用。

案例详解：数据结构化与Function Calling优化

7. AI Agent

随着GPT火起来的“Agent”是什么？如何构建AI Agent及应用前景

案例详解：Code Review机器人

三、Copilot及大模型在金融科技研发领域的实践

1. Copilot简介

介绍Copilot的作用、发展历程和原理

2. Copilot在软件研发中的应用实操

介绍在软件研发中如何安装与使用Copilot，包含给一些实操技巧和原理解析

3. Copilot X 介绍及实操

结合实操介绍Copilot X的一些新特性、实用效果与优缺点

4. 其他大模型方案及在软件研发全流程的应用

结合实际案例和实操介绍基于大模型在软件研发的全流程从需求理解、设计到代码生成实现提能增效。

四、总结与展望

1. 重点回顾

回顾课程重点。

2. 未来展望

展望未来大模型技术发展趋势，以及对企业和个人的影响