4006-998-758
3000+课程任你选择
AI大模型技术及开发应用实践
研发学院 AI大模型 LangChain构建 LLM应用 开课时间:2024-04-12
刘捷

曾就职于 IBM 中国研发中心,任 WebSphere 软件架构师。

后加入 BEA 中国区专业服务部,任高级技术顾问、首席顾问、项目经理

主要负责 BEA 客户项目的架构设计和项目开发、技术支持,保证项目的成功实施、运行及维护。参加过全省、全国多个大型的计算机应用项目,涉及的行业领域包括电信、银行、 税务、社保等。 


查看老师详情
课程内容

课程大纲:

第一部分: LLM大模型核心原理

1.    大模型基础:理论与技术的演进

2.    LLMs大语言模型的概念定义

3.    LLMs大语言模型的发展演进

4.    LLMs大语言模型的生态体系

5.    大语言模型技术发展与演进

6.    基于统计机器学习的语言模型

7.    基于深度神经网络的语言模型

8.    基于 Transformer 的大语言模型

9.    LLMs大语言模型的关键技术

10. LLMs大语言模型的核心框架:商业&开源

11. LLMs大语言模型的行业应用

12. ⼿开发第 ChatGPT Plugin

 

第二部分: LLM大模型微调

1.    大模型高效微调技术

2.    Parameter-Efficient

3.     Fine-Tuning (PEFT) 初探

4.    大模型轻量级高效微调方法 LoRA

5.    少样本 PEFT 新方法 IA3

6.    统一微调框架 UniPELT

7.    基于人类反馈的强化学习微调技术 RLHF

8.    混合专家模型 Mixture of Experts(MoE)技术架构揭秘

 

第三部分: 国内外大模型研究进展

1.    国内外大模型研究进展

2.    百度文心、

3.    阿里通义

4.    科大讯飞星火大模型

5.    0pen API GPT

6.    腾讯混元

7.    华为鲲鹏大模型;

 

第四部分: 大语言模型微调与Prompt提示工程

1.    大语言模型微调与Prompt

2.    大语言模型微调对象和层次

3.    语言模型微调的主流方法

4.    Prompt如何使用和进阶

5.    什么是提示与提示工程

6.    提示工程的巨大威力:从Let’s think step by step说起

7.    拆解、标准化、流程化:如何用AI改造工作

8.    使用BROKE框架设计ChatGPT提示

9.    通过案例分析,展示如何使用大模型prompt技术辅助开发

第五部分: 基于智谱 AI GLM 篇-案例分析

1.    GLM 大模型家族介绍

2.    智谱第四代 API 介绍

3.    AP| 基础教学和实战

4.    使用 GLM-4 AP| 构建模型和应用

5.    使用 GLM-4从0到1搭建并优化 RAG 程序

6.    Diffusion 原理介绍

7.    模型训练的数据优化(DALLE3)

8.    CogView3 及 API 调用演示

9.    超拟人大模型

10. CharacterGLM:理论与实战

 

第六部分: 模型应开发框架 LangChain

1.    模型应开发框架 LangChain

2.    LangChain 是什么

3.    为什么需要 LangChain

4.    LangChain 典型使场景

5.    LangChain 基础概念与模块化设计

6.    LangChain 模块⼊⻔与实战

7.    LangChain 的3 个场景

8.    LangChain 的6 大模块

9.    LangChain 的开发流程

10. 创建基于LangChain聊天机器人

 

第七部分: 构建Llama2 +LangChain构建文档问答系统

1.    构建复杂LangChain应

2.    LangChain模型(Models):从不同的 LLM 和嵌入模型中进行选择

3.     LangChain提示(Prompts):管理 LLM 输入

4.     LangChain链(Chains):将 LLM 与其他组件相结合

5.     LangChain索引(Indexs):访问外部数据

6.     LangChain记忆(Memory):记住以前的对话

7.     LangChain代理(Agents):访问其他工具

8.    Agent 理论基础:ReAct

9.    使⽤Llama大模型构建文档问答系统

 

第八部分: 基于大模型 + LangChain 产业应用场景和案例分析

1.    大模型应用聊天机器人场景

2.    大模型应用智能文档和智能写作场景

3.    大模型应用知识图谱场景

4.    大模型应用用户体验管理场景

5.    大模型应用搜索场景

6.    大模型应用智能机器人场景

7.    大模型LangChain程序设计案例:聊天机器人

8.    大模型LangChain程序设计案例:代码理解

9.    大模型LangChain程序设计案例:API交互

10. 大模型LangChain程序设计案例:文档摘要

 

第九部分: 大模型技术在金融业应用的思考与建议

1.    大模型技术在金融业应用的思考与建议

2.    大模型技术的特点及局限性分析

3.    大模型技术在金融领域的适用场景

4.    大模型技术与金融智能营销

5.    大模型技术与金融智能风控

6.    大模型技术与金融智能客服

7.    大模型技术与金融虚拟营业厅和数字人

8.    大模型技术与金融其他通用场景

第十部分: 大模型技术在软件开发行业应用-以GPT为工具

1.    大模型应用软件架构设计阶段场景与案例

2.    大模型应用详细设计阶段阶段场景与案例

3.    大模型应用编码阶段阶段场景与案例

4.    大模型应用代码重构与优化阶段场景与案例

5.    大模型应用代码评审阶段场景与案例

6.    大模型单元测试阶段场景与案例

 

第十一部分: 大模型技术在其他行业应用

1.    大模型技术在教育科技应用-可汗学院(Khan Academy)

2.    大模型技术在大型企业数字化转型应用-法务智能辅助审核

3.    大模型技术在企业应用-安防企业智能文本审阅系统

4.    大模型技术在电信应用-智能运维

5.    大模型技术在互联网和传媒应用-智能搜索与推荐系统

6.    大模型技术在建筑行业应用-智能工程图纸管理


返回上一级