任你选择
课程时长
1天（6小时/天）
课程大纲
大语言模型LLM简介
l 什么是大型语言模型？
l GPT系列模型概述
l chatGPT和GPT的关系
l AIGC和LLM的关系
l 开源模型 vs 闭源模型
l 单模态 vs 多模态
l AIGC的三大应用领域
l 应用案例和潜在能力
l 实战案例演示（文本生成+文生图）
大语言模型LLM的基本原理
l 大语言模型“大”在哪里
l 大语言模型的基本原理
l 大语言模型的训练过程
l chatGPT的三阶段训练
l 大语言模型的不可解释性
l 大语言模型和搜索引擎的区别与联系
l 国内使用chatGPT的主要途径
大语言模型本地部署实战
l 本地部署的基础知识
l 本地安装ollama
l 本地部署Deepseek R1
l 本地部署Llama 3.3
l 本地安装open-webui
l 本地部署实现RAG
DeepSeek大模型基础与使用进阶
l DeepSeek与传统LLM的主要区别
l 从DeepSeek R1 Zero到DeepSeek R1
l DeepSeek R1和OpenAI O1模型的对比总结
l 预训练范式 vs 推理计算范式
l 多头潜在注意力机制MLA
l 混合专家架构MoE
l DeepSeekMoE的关键创新
l 对传统大模型的挑战和机遇
l DeepSeek的常见误解与详细解读
大语言模型LLM加持下的全新商业模式（独家干货）
l 文生文的各类应用场景（独家案例）
l 文生文行业产品分析（独家案例）
l 文生图的各类应用场景（独家案例）
l 文生图行业产品分析（独家案例）
l 文生视频的各类应用场景（独家案例）
l 文生视频行业产品分析（独家案例）
l AIGC全球商业案例与产品创新（上）（独家案例）
l AIGC全球商业案例与产品创新（下）（独家案例）
大语言模型LLM对传统行业的赋能
l 提效级创新
l 开创性创新 VS 微创新
l 在办公行业的提效案例
l 在数据分析行业的提效案例
l 在招聘行业的提效案例
l 在广告文案行业的提效案例
l 在销售行业的提效案例
l 在研发效能提升领域的案例
如何使用好LLM
l 什么是提示词工程？
l 如何构建有效的提示
l 常见的提示类型（信息检索、创意写作、编程等）
l 提示的格式和结构
l 使用反馈循环进行迭代
l 跟踪和分析结果
l 私域知识扩展
l RAG技术详解与应用场景
l 什么是模型的涌现能力
l 什么是思维链
l 上下文学习zero-shot和few-shot
l 提示词的agent模式
l 有效使用提示词模板
l 提示词攻击
ChatGPT的未来发展和应用前景
l ChatGPT的未来发展方向
l ChatGPT在各行业中的应用前景
l ChatGPT与其他人工智能技术的关系和比较
l ChatGPT的风险与不确定性应对
l ChatGPT的技术演化方向
l ChatGPT的法律风险
l ChatGPT的哲学思考
大语言模型的局限性
l 安全性和隐私
l 伦理使用指南
l 暗知识的局限性
l 知识平权场景下的LLM
LLM（chatGPT）在PC行业的各类应用解读
l 智能客服：提供24/7在线支持，快速解答用户问题，减少人工客服负担。
l 产品推荐：- 根据用户需求和偏好，智能推荐合适的PC或笔记本型号。
l 市场调研分析：- 分析用户反馈和市场趋势，帮助厂商优化产品设计和营销策略。
l 文档自动生成：- 自动生成产品说明书、用户手册和技术文档，提高文档编写效率。
l 售后服务优化：- 分析故障报告，提供解决方案，提升售后服务质量。
l 培训与教育：- 为员工提供定制化的培训内容，提高员工技能和知识水平。
l 设计辅助：- 在产品设计阶段，提供创意建议和技术支持，提升设计效率。
l 代码生成与优化：- 在软件开发过程中，自动生成代码片段或优化现有代码，提高开发效率。
l 用户体验提升：- 通过分析用户行为，优化产品界面和功能，提高用户满意度。
l 内容审核：- 自动审核用户生成内容，确保符合品牌标准和政策要求。
l 社交媒体管理：- 自动生成和发布社交媒体内容，增强品牌曝光和用户互动。
l 多语言支持：- 提供多语言翻译和本地化支持，拓展国际市场。
实战演练与案例分享
l 千行百业中的真实案例实战（各类实现干货案例）
l 从需求到解决方案的完整过程
l 行业大语言模型使用现状与限制
l 软件开发中的实战案例
制造业的实际案例
