课程大纲：

第一天

深度学习基础知识

• 深度学习基本概念和常见应用

• CNN、RNN和LSTM

• 机器学习基本流程讲解

• 课上实战: Jupyter环境学习，使用CNN开发一个手写识别程序

NLP介绍和Attention机制，GPT介绍

• Transformer 介绍

• Zero-shot、few-shot 技术

Prompt案例实践，辅助营销、辅助写报告

• Prompt 技术介绍

• Prompt技巧

• Prompt 工具实操

• Prompt-NL2SQL

• 被低估的 prompt

• 实操练习: 使用 GPT完成作业

预训练技术与实操预训练：一个小型预训练流程

• 目标和复现步骤的介绍

• 第一阶段-数据准备

• 第二阶段-环境准备

• 第三阶段-关键算法和实战总结

微调技术与微调特殊需求讲解，API搭建

• 模型微调的方法和实践

• 开源大模型 Baichuan 微调实践

• API服务部署

• 前端调用

• 流式读取

• 统一API接口简化开发流程，缩短开发时间

对话机器人专题与实操练习

• 对话机器人的分类与构成

• 传统对话机器人方案

• 大模型机器人实现方式

• 以订餐对话机器人为例，拆开每段代码讲解如何实现一个任务型对话机器人

第二天

Iangchain技术，Agents技术与两个案例分享

Langchain技术

• Langchain 技术介绍

• 使用Langchain搭建一个 chatPDF 系统

• LLM 融合结果

• Langchain 技术框架的优缺点

• Langchain 和开源大模型结合

金融智能知识库案例介绍与初步实现

• 项目介绍

• 离线处理

金融知识库比赛前九名经验&kaggle大模型比赛RAG经验详解-精华

• 框架步骤

• 其他环节优化经验

  
  

Agents技术与智能BI案例、智能水务案例

• 大模型 Agents 技术的概述

• 大模型Agents 技术的原理和模型

• 智能 BI 案例

• 智能水务案例介绍

互动与总结