AI大模型全棧工程師實(shí)戰(zhàn)訓(xùn)練營
2026-03-26 14:07:48
講師：講師團(tuán) 瀏覽次數(shù)：3697
課程描述INTRODUCTION
· 高層管理者· 中層領(lǐng)導(dǎo)· 其他人員
培訓(xùn)講師：講師團(tuán)
課程價格：￥6800元/人
培訓(xùn)天數(shù)：3天
日程安排SCHEDULE
2026-08-25
北京
課程大綱Syllabus
AI大模型公開課
培訓(xùn)背景
隨著科技的飛速發(fā)展，人工智能（AI）已成為引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力。大模型（Large Language Models, LLMs）作為AI領(lǐng)域的一項革命性突破，正以前所未有的速度重塑著我們對智能交互、知識管理、內(nèi)容創(chuàng)作乃至整個數(shù)字化世界的認(rèn)知。近年來，諸如DeepSeek、GPT系列、Sora等大模型的不斷涌現(xiàn)，不僅展示了AI在自然語言處理領(lǐng)域的巨大潛力，也預(yù)示著AI技術(shù)即將邁入一個更加復(fù)雜、細(xì)膩且廣泛適用的新紀(jì)元。
人工智能成為全球焦點(diǎn)的背景下，2024年中國政府工作報告，就首次提出開展“人工智能+”行動，相信后續(xù)還有更多利好人工智能和“人工智能+”的政策即將釋放。而在國家層面推動“AI+”行動，無數(shù)的機(jī)會也將井噴。
培訓(xùn)對象：軟件工程師和架構(gòu)師、AI算法工程師、機(jī)器學(xué)習(xí)工程師、全棧開發(fā)者、后端工程師、云計算工程師、運(yùn)維工程師、傳統(tǒng)程序員（Java/C++）、數(shù)據(jù)分析師、BI工程師等。
培訓(xùn)收益
1.整體掌握大模型理論知識；
2.了解自注意力機(jī)制、Transformer模型、BERT模型；
3.掌握DeepSeek與ChatGPT等原理與實(shí)戰(zhàn)；
4.了解LLM應(yīng)用程序技術(shù)棧和提示詞工程；
5.了解國產(chǎn)大模型ChatGLM原理及使用；
6.了解視覺大模型技術(shù)優(yōu)勢；
7.掌握語言理解與字幕生成及其應(yīng)用；
8.掌握圖像生成和應(yīng)用實(shí)操；
9.了解應(yīng)用場景與潛力分析；
10.了解大模型企業(yè)商用項目實(shí)戰(zhàn)。
培訓(xùn)內(nèi)容
培訓(xùn)共計3天，每天6小時，具體日程安排如下：
第一節(jié)：大模型理論知識
1. 初探大模型：起源與發(fā)展
2. GPT模型家族：從始至今
3. 大模型DeepSeek VS ChatGPT4的對比介紹
4. 大模型實(shí)戰(zhàn)-講解大模型2種學(xué)習(xí)路線
5. 大模型最核心的三項技術(shù):模型、微調(diào)和開發(fā)框架
6. DeepSeek的MoE混合專家模型介紹
7. DeepSeek-R3后訓(xùn)練階段與強(qiáng)化學(xué)習(xí)技術(shù)介紹
8. OpenAl文本模型A、B、C、D四大模型引擎簡介
9. 最強(qiáng)Embedding大模text-Embedding -ada模型介紹
10. 全球開源大模型性能評估榜單
11. 中文大模型生態(tài)介紹與GLM 130B模型介紹
12. DeepSeek模型介紹與部署門檻
13. DeepSeek開源生態(tài):微調(diào)、多模態(tài)，WebUI等項目簡介
第二節(jié)：DeepSeek 大模型API應(yīng)用開發(fā)
1. DeepSeek-V3 大模型API
2. DeepSeek模型&價格
3. DeepSeek模型參數(shù)Temperature設(shè)置
4. DeepSeek模型Token用量計算
5. DeepSeek大模型多輪對話
6. DeepSeek大模型JSON Output
7. DeepSeek大模型Function Calling
8. DeepSeek大模型上下文硬盤緩存
9. 聊天機(jī)器人初探（Chat Completion）
10. 基于DeepSeek開發(fā)智能翻譯助手
第三節(jié)： LLM模型的私有化部署與權(quán)限控制
1. 各種模型文件介紹：.bin、GGUF、 .safetensors等格式區(qū)別
2. 模型的推理、量化原理與實(shí)現(xiàn)流程
3. ModelScope與Hugging Face平臺介紹及模型下載使用
4. 大模型管理底座Ollama架構(gòu)與運(yùn)行機(jī)制
5. Ollama+LLaMA部署開源大模型的完整流程
6. Open WebUI前端功能介紹與模型調(diào)用演示
7. Open WebUI用戶與訪問權(quán)限控制配置方法
8. vLLM架構(gòu)簡介與Ollama的核心區(qū)別
9. vLLM在高并發(fā)與吞吐性能上的優(yōu)化機(jī)制解析
10. vLLM+OpenAPI實(shí)戰(zhàn)：部署并調(diào)用企業(yè)級大模型服務(wù)
第四節(jié)：Dify本地化構(gòu)建智能客服工作流
1. 智能體介紹與Dify基本原理
2. Dify安裝與環(huán)境配置
3. Dify在智能應(yīng)用中的角色與優(yōu)勢
4. 智能體的組成：Prompt、數(shù)據(jù)源、模型、工具集成
5. Dify與LangChain、Flowise等工具的對比
6. 實(shí)戰(zhàn)體驗(yàn)：Dify實(shí)現(xiàn)數(shù)據(jù)爬取、清洗、保存
7. 創(chuàng)建各種場景的智能：數(shù)據(jù)分析、代碼編寫、客服
8. Dify如何關(guān)聯(lián)本地模型
9. Dify的API調(diào)用與微信連接實(shí)現(xiàn)
第五節(jié)： 基于Deepseek和LangChain構(gòu)建Agent
1. 通過LangChain中的ReAct框架實(shí)現(xiàn)自動定價
2. LangChain ReAct框架
3. LangChain中ReAct Agent的實(shí)現(xiàn)
4. LangChain中的工具和工具包
5. 通過create_react_agent創(chuàng)建Agent
6. 深挖AgentExecutor的運(yùn)行機(jī)制
7. Plan-and-Solve策略的提出
8. LangChain中的Plan-and-Execute Agent
9. 通過Plan-and-Execute Agent實(shí)現(xiàn)物流管理
10. 為Agent定義一系列進(jìn)行自動庫存調(diào)度的工具
第六節(jié)：Agent+MCP打造高級智能體
1. RAG、Agent與MCP的區(qū)別與聯(lián)系
2. MCP與FunctionCall的關(guān)系
3. 熱門的MCP客戶端工具有哪些
4. MCP服務(wù)接入原理講解
5. 自定義MCP Client開發(fā)--STDIO協(xié)議對接
6. LangGraph agent接入Github MCP服務(wù)
7. Langchain_mcp_adatpers創(chuàng)建高德MCP客戶端
8. 基于高德MCP的復(fù)雜路徑規(guī)劃+可視化展示
第七節(jié)： 基于DeepSeek 和LlamaIndex構(gòu)建文檔問答系統(tǒng)
1. LlamaIndex：選擇與配置不同的語言模型與向量模型
2. LlamaIndex提示：定義與管理查詢模板及上下文注入策略
3. LlamaIndex索引：構(gòu)建文檔索引、向量索引與樹形索引
4. LlamaIndex存儲：訪問與持久化外部知識數(shù)據(jù)
5. LlamaIndex記憶：實(shí)現(xiàn)對多輪對話的上下文追蹤與復(fù)用
6. LlamaIndex代理：整合外部工具與執(zhí)行動態(tài)任務(wù)
7. 實(shí)戰(zhàn)演練：使用LlamaIndex構(gòu)建企業(yè)文檔問答系統(tǒng)
第八節(jié)：GitHub Copilot AI 輔助編程
1. GitHub Copilot的核心原理與工作機(jī)制
2. Copilot在主流IDE中的安裝與配置
3. 代碼補(bǔ)全與建議：基礎(chǔ)功能實(shí)戰(zhàn)
4. Copilot Chat：自然語言交互式編程
5. 代碼解釋與文檔生成：效率提升技巧
6. 單元測試與代碼重構(gòu)的Copilot輔助
7. Copilot的安全與隱私保護(hù)機(jī)制
8. 企業(yè)級應(yīng)用：Copilot for Business的管理與策略
9. Prompt Engineering：優(yōu)化Copilot 建議的技巧
10. 未來展望：AI輔助編程的趨勢與挑戰(zhàn)
第九節(jié)： AI賦能的 Python工程化與GitLab CI/CD實(shí)踐
1. Python工程化基石：Pylint與代碼質(zhì)量門禁
2. GitLab CI/CD 核心原理與流水線構(gòu)建
3. AI驅(qū)動的靜態(tài)代碼分析與Pylint優(yōu)化
4. GitLab Runner配置與Python環(huán)境容器化
5. CI流程中的自動化測試與代碼覆蓋率
6. 持續(xù)交付（CD）實(shí)戰(zhàn)：Python應(yīng)用的自動化部署
7. Cython基礎(chǔ)：提升Python性能的編譯原理
8. AI輔助的Cython封裝與性能瓶頸分析
9. GitLab CI/CD集成Cython編譯與構(gòu)建優(yōu)化
10. 全流程可觀測性：CI/CD與代碼質(zhì)量的度量
第十節(jié)： 從圖片、視頻到數(shù)字人，AI應(yīng)用邊界探索
1. 用Stable Diffusion實(shí)現(xiàn)文生圖（輸入文字就能畫圖）
2. 用Stable Diffusion實(shí)現(xiàn)圖生圖（上傳圖片自動變換風(fēng)格）
3. 提示詞怎么寫？掌握關(guān)鍵詞技巧
4. 玩轉(zhuǎn)Lora微調(diào)，讓圖片擁有不同風(fēng)格（動漫、國風(fēng)、寫實(shí)）
5. 藝術(shù)字、證件照、logo、海報、詳情圖制作實(shí)操
6. AI輔助設(shè)計，快速搞定海報、Banner、廣告圖
7. 認(rèn)識HeyGen，AI數(shù)字人生成工具
8. 用HeyGen生成數(shù)字人大綱、劇本、字幕、配樂
9. 一鍵制作真人感十足的數(shù)字人視頻
10. 實(shí)現(xiàn)AI半無人直播、語音直播，應(yīng)用到客服和營銷
第十一節(jié)：Deepseek多模態(tài)模型Janus的微調(diào)與模型對齊
1. 多模態(tài)大模型的核心原理與應(yīng)用場景
2. 報銷憑證（發(fā)票、單據(jù)）的結(jié)構(gòu)化特征與難點(diǎn)
3. 數(shù)據(jù)準(zhǔn)備：票據(jù)樣本、文字識別與表格標(biāo)注
4. 如何科學(xué)構(gòu)建訓(xùn)練數(shù)據(jù)（基礎(chǔ)與專業(yè)數(shù)據(jù)混合訓(xùn)練）
5. 微調(diào)常見方式介紹：微調(diào)、偏好對齊、蒸餾、獎勵模型
6. OCR微調(diào)：關(guān)鍵字段識別（抬頭、金額、日期、稅號）
7. 版式與圖像理解：復(fù)雜票據(jù)結(jié)構(gòu)解析
8. 多模態(tài)信息對齊：文本、圖像與語音的融合
9. 參數(shù)高效微調(diào)方法（LoRA/Adapter）實(shí)戰(zhàn)
10. 案例演示：憑證識別與結(jié)構(gòu)化信息提取
11. 業(yè)務(wù)落地：從票據(jù)識別到自動化報銷流程
第十二節(jié)：MLflow在大模型微調(diào)中的應(yīng)用
1. MLflow架構(gòu)與LLM MLOps生命周期
2. MLflow Tracking實(shí)戰(zhàn)：微調(diào)過程可視化
3. 微調(diào)指標(biāo)與結(jié)果的高效對比分析
4. MLflow與主流微調(diào)框架的集成
5. 大模型微調(diào)后的模型打包與存儲
6. 模型注冊表（Model Registry）與版本管理
7. LLM 評估：自動化與人工反饋
8. Prompt Engineering與提示詞版本控制
9. LLM可觀察性（Observability）與 Tracing
10. 微調(diào)模型的部署與服務(wù)化
講師介紹：
劉老師 | 國內(nèi)*AI專家、大數(shù)據(jù)技術(shù)專家
西安郵電大學(xué)計算機(jī)科學(xué)與技術(shù)專業(yè)。擁有著20多年軟件研發(fā)與企業(yè)培訓(xùn)經(jīng)驗(yàn)，對Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、大模型技術(shù)。他的專業(yè)素養(yǎng)和教學(xué)能力備受學(xué)員贊譽(yù)，是眾多技術(shù)愛好者心中的楷模。
AI深度學(xué)習(xí)方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、Yolo、OpenCV熟悉主流機(jī)器學(xué)習(xí)算法、各種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和圖形圖像識別技術(shù)。
LLM大模型方向：DeekSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微調(diào)、DeepSpeek分布式訓(xùn)練、MindFormers生態(tài)、MoE混合專家模型。能根據(jù)客戶的需求實(shí)現(xiàn)定制化的模型私有化部署、微調(diào)、對齊、量化。并對LangChain、LlamaIndex、Dify等大模型框架有源碼級的理解。
鄒老師 | 某工業(yè)大學(xué)人工智能研究院院長
博士學(xué)歷，畢業(yè)于中國地質(zhì)科學(xué)院，兼任天津大學(xué)創(chuàng)業(yè)導(dǎo)師、山東交通學(xué)院客座教授、碩士生導(dǎo)師。主持研發(fā)50多個人工智能領(lǐng)域工業(yè)級項目，廣泛應(yīng)用于能源、醫(yī)療、交通、氣象、銀行等多個領(lǐng)域。
碩博期間主持研發(fā)大型行業(yè)建模軟件，代碼量100萬行（從底層開發(fā)是考慮后期維護(hù)和產(chǎn)權(quán)）。創(chuàng)立的?？桶钆c國內(nèi)十多所高校建立了AI聯(lián)合實(shí)驗(yàn)室或?qū)嵱?xùn)基地廣泛應(yīng)用于醫(yī)療、交通、農(nóng)業(yè)、氣象、銀行、電信等多個領(lǐng)域。成立中國科學(xué)院鄒博人工智能研究中心，在翔創(chuàng)、天識等公司擔(dān)任技術(shù)顧問，曾在多個在線平臺授課，廣受網(wǎng)友好評，累計學(xué)習(xí)人數(shù)超過百萬。
公開出版《強(qiáng)化學(xué)習(xí)》《Python深度學(xué)習(xí)實(shí)踐》《自然語言處理》等11部專著和譯著。在國內(nèi)外期刊會議發(fā)表論文10余篇，獲得國家發(fā)明專利1項，著書1本，譯書6本。2017年主持科研項目榮獲國土資源科學(xué)技術(shù)一等獎。
為眾多知名企業(yè)進(jìn)行過上百場講座和內(nèi)部培訓(xùn)，其中包括中國移動、CSDN、中國建設(shè)銀行、花旗銀行、中信集團(tuán)、中航信、烽火科技、京東方、中科曙光、京東、大唐、完美世界等。
AI大模型公開課
轉(zhuǎn)載：http://m.oysg8.com/gkk_detail/299782.html
已開課時間Have start time
2026-05-26
重慶
人工智能公開培訓(xùn)班
- 企業(yè)智能化工廠導(dǎo)入之中國制 沈懷金
- 企業(yè)數(shù)據(jù)化管理--大數(shù)據(jù)人 趙翰文
- 數(shù)字化工廠規(guī)劃師 講師團(tuán)
- Python-機(jī)器學(xué)習(xí)、深 講師團(tuán)
- AI時代制造企業(yè)如何綜合服 宮同昌
- 中國制造2025和工業(yè)4. 辛玉軍
- 工業(yè)4.0 智能制造 張小強(qiáng)
- 咨詢式人力資源管理的五定- 葛老師
- “互聯(lián)網(wǎng)+”時代下的工業(yè)4 齊振宏
- MES項目經(jīng)理 講師團(tuán)
- 企業(yè)數(shù)字化運(yùn)營變革 汪老師
- 經(jīng)典實(shí)驗(yàn)設(shè)計與大數(shù)據(jù)建模 講師團(tuán)