任你选择
课程目标：
帮助学员掌握当前大模型时代下关于大模型（文本大模型、多模态大模型）的一些基本认知（模型架构、数据工程、模型训练、微调等）；
了解当前AI前沿技术在金融券商领域的一些前沿关键技术、需要布局和跟踪的技术点、问题挑战、可用开源工具；
了解当前大模型等前沿技术在金融券商领域的具体应用案例和落地坑点；
课程特点：
紧贴当前大模型前沿技术，能够洞察到前沿的趋势；
不局限于枯燥理论，知其然，知其所以然；
紧贴金融领域，从实际业务出发，拓展业务思维；
务实落地为主，不尬吹，给出落地坑点；
课程对象：
算法研发工程师、产品经理、售前等；
课程大纲：
1、上午：当前AI前沿基本理论（模型架构、数据工程、模型训练、微调）
a) chatgpt\llama等文本大模型认知，面向金融场景
内容：介绍当前文本大模型的一些典型架构，在大模型训练过程中如何进行数据工程、模型训练、微调等，以及如何进行大模型选型，摸清当前金融领域大模型的一些具体情况。
b) llava\clip\gpt4v等跨模态大模型认知，面向金融场景
内容：介绍当前跨模态大模型的一些基本情况，模型架构、数据工程，开源工具等等
c) 知识图谱、数字人等前沿技术，面向金融场景
内容：介绍当前大模型时代下，知识图谱与大模型的融合方向，以及对应的一些项目及可用数据
2、下午：面向金融领域提效的必备前沿核心技术及落地案例
a）文档智能分析在金融券商文档知识管理业务中的应用
内容：金融内部文档格式内容复杂，表单，研报等等十分复杂，如何利用现有的版式分析、多模态模型进行文档处理，是后续文档标准化、文档审查的必备流程，介绍相关技术及案例；
b）检索增强问答RAG技术在金融券商内部搜索业务中的应用
内容：大模型直接进行领域问答容易出现幻觉、胡说八道的问题，如何利用检索增强问答、向量化搜索、数字人、图片搜索，利用好企业内部知识库，作为大模型的输入，可以有效提升准确性，介绍相关技术及案例；
c）文本信息抽取技术在金融券商内部信息自动化录入场景中的应用
内容：复杂金融文档中包含着十分重要的信息，如研报中观点，金融报表中的金额、关键事件等，这涉及到文档提取、观点提取、事件提取、总结摘要等相关技术，以提升信息自动化水平介绍相关技术及案例；
d）银行报表、定期报告、文图自动生成技术在研报写作上的应用
内容：金融场景中涉及到许多撰写生成、内容生成、风格改写、续写填充的任务，如快速生成新闻、报告续写，产品文案生成等，介绍相关技术及案例；
e）大模型观点提取、情感分析及事件分析技术在研报分析场景上的应用
大模型可以凭借其情感分析、观点提取的能力对研报、数据进行分析，给出分析结论介绍相关技术及案例；
