4006-998-758
3000+课程任你选择
DeepSeek大模型技术与金融行业应用
产品学院 DeepSeek大模型技术与金融行业应用
Tyler

Ø  阿里任职期间后负责阿里云多部门算法工作,操盘过多项国家级产业项目算法工作。曾在多家世界500强企业承担人工智能技术负责人工作,具备深厚的数据智能系统研究和架构经验,实战经验覆盖包括C端B端的用户和商业化产品;

Ø  负责团队内部的技术招聘和面试工作,累计面试千人。作为阿里云内部“布道师”参与多场内部培训

Ø  全国信息学联赛一等奖保送并毕业于哈尔滨工业大学(C9),已发表多篇国际顶会和期刊发表学术论文;申请并已公开的国家发明专利 18 项,国际专利1项;

Ø  中国计算机学会技术前线委员会数据科学特邀讲者;

Ø  中国计算机学会(CCF)技术前线委员会(TF)委员人工智能与模式识别会员会委员

Ø  中国信通院标准化技术专家编委,作为主要作者参与“生成式人工智能”以及“人工智能应用安全”相关行业标准制定,致力于持续提高所负责团队以及行业的工程伦理素养。

查看老师详情
课程内容

课程时长

2天(6小时/天)

 

课程大纲

第一天:AI 基础、业务转型与 DeepSeek 核心能力(全员参与)

本部分面向所有团队成员,无论技术背景如何。目标是普及 AI 知识,强调其与金融行业的关联性,并激发大家对 AI 潜力的共同理解。

上午:AI 基础概览与变革影响

  • 人工智能与 DeepSeek 概览

    • 人工智能 (AI)、自然语言处理 (NLP) 及其在金融领域的应用简述。

    • DeepSeek 作为大型语言模型的重要参与者介绍。

    • 用通俗易懂的语言解释这些术语及其现实意义。

  • AI 时代的变革与发展

    • 人工智能带来的时代变革:探讨 AI 如何从根本上改变全球各行各业,尤其是在金融领域,如何推动效率提升、业务创新和竞争优势。

    • 人工智能发展历程与当前状态:简要回顾 AI 的发展,介绍其当前的高级能力,并简介国内主流的大模型。

  • 金融行业智能化与数智化转型

    • AI 如何作为核心驱动力,推动金融行业的全面智能化与数智化发展。

    • 阐述 AI 如何实现业务模式创新、运营效率提升与客户体验优化,从而引领金融行业变革。

 

下午:AI 在金融行业的应用场景与实践

  • 构建      AI 成功的基础

    • AI 导入的前提条件:讨论成功整合 AI 所需的关键基础工作,包括数据治理(为什么数据清洁至关重要)、基础业务系统支撑,以及清晰的 AI 战略。

    • AI 人力与硬件资源:强调人的因素——团队建设、技能提升和培养 AI 就绪型人才的重要性。

    • 提及必要的硬件资源和关键的投入产出比 (ROI) 考量。

  • 人工智能在金融行业的应用场景及案例

    • 用户画像、客户服务、金融产品设计中的 AI 应用场景及案例。

    • 风控与反欺诈中的 AI 应用场景及案例。

    • 智能财报分析、内部合规审查、提升日常办公中的 AI 应用场景及案例。

    • 人工智能驱动的软件工程自动化:提升需求、研发、测试、运维效率的概览。

 

第二天:DeepSeek 核心技术与金融场景深度实践(技术人员专场)

本部分面向后端工程师等技术人员。目标是深入理解 DeepSeek 的技术原理、低成本推理实践以及其在软件工程自动化中的应用。

上午:DeepSeek 核心技术与低成本推理

  • DeepSeek 核心技术深度解析与工程实现

    • DeepSeek 技术发展与极致效率追求:深入分析 DeepSeek 如何在有限计算资源下实现极致推理性能。

    • 其“最大化计算资源效率”理念如何为金融等对性能和成本有严苛要求的行业提供高性价比、高可靠性的大模型解决方案。

    • DeepSeek 核心技术栈(重点关注工程实现与业务效果):      

      • MoE 架构 (Mixture of Experts):从工程实现角度深入探讨 MoE        在推理阶段的智能路由机制,及其在分布式推理中的挑战与突破。

      • 硬件优化策略与推理加速:探讨 DeepSeek 如何通过定制化的调度算法、模型结构优化与底层算子融合,在主流计算硬件上实现极致推理性能;深入讲解量化 (Quantization)、剪枝 (Pruning) 等技术如何降低模型体积和内存占用,从而降低推理成本。

  • DeepSeek 低成本推理实践与高效部署:赋能金融业务      

    • 模型优化与部署策略:详细讲解在生产环境中,如何选择和实施合适的压缩算法和量化策略,并进行严格的效果评估与模型微调,确保在大幅降低推理成本的同时满足业务精度要求。

    • 并行计算与推理加速的实战演练:深入探讨不同分布式推理模式 (DP/TP/PP/EP) 的适用场景、技术优缺点及具体工程实现细节。

    • 推理服务框架与优化:介绍 DeepSeek 推荐的高性能推理服务框架,以及如何利用批处理       (Batching)、请求合并、模型预加载等工程优化手段,进一步提升推理吞吐量和降低延迟,直接支撑业务的规模化扩展。

 

下午:DeepSeek 赋能软件工程自动化与金融行业创新实践

  • DeepSeek 驱动的软件工程自动化:提升研发与运维效率      

    • DeepSeek 赋能软件开发生命周期 (SDLC) 全流程:

      • 智能代码生成与补全:DeepSeek 如何与主流 IDE 深度集成,提供高质量、可直接使用的代码片段和函数补全,大幅提升后端开发效率。

      • 智能代码审查与质量保证:DeepSeek 如何作为静态代码分析工具的智能增强,自动识别潜在的        Bug、逻辑错误、性能瓶颈和安全漏洞(如 SQL 注入、XSS 等),并提供详细、可执行的修复建议。

      • 自动化测试用例生成与执行:DeepSeek 如何从业务需求、API 接口定义或现有代码逻辑中自动生成多样化、高覆盖率的测试用例。

      • 文档自动化生成与维护:DeepSeek 如何根据代码自动生成 API 文档、用户手册、设计文档,并确保文档与代码的实时同步。

  • DeepSeek 与      DevOps 实践的深度融合与未来展望

    • DeepSeek 驱动的智能运维 (AIOps) 与自动化运营:深入讲解 DeepSeek 如何实时分析海量应用日志、系统监控数据,通过高级模式识别与异常检测,精准预测潜在故障,并提供智能化的根因分析与修复建议,大幅缩短 MTTR。

    • CI/CD 流水线的智能化:探讨 DeepSeek 如何通过智能化的构建、测试、部署策略,实现持续集成与持续交付的无缝衔接。

    • 自动化资源管理与优化:DeepSeek 如何通过分析历史使用数据和预测未来负载,智能调整云计算资源的分配,实现云成本效益最大化。

  • DeepSeek 在金融行业的深度应用与未来前景

    • 智能化与数智化转型:展望 DeepSeek 作为核心驱动力,如何推动金融行业的全面智能化与数智化发展。

    • 多模态 AI 与智能体决策优化 (前沿探索):探讨 DeepSeek 如何在金融行业引领多模态 AI 技术的深度融合应用,实现更复杂、更智能的决策优化。

  • 开放式讨论与 Q&A:深入探讨 DeepSeek 在软件工程自动化中面向复杂业务场景的技术挑战与解决方案,分享 DeepSeek 在金融行业应用中的架构设计、性能调优、数据安全与隐私保护的最佳实践。

返回上一级