架构师
其他
推荐课程
average > 0 ? $model->average . '分' : '10.0分' ?>

LLM大模型技术及开发应用实践

刘捷

咨询公司 曾任职BEA资深软件架构师

1998毕业获得计算机硕士学位。毕业后在国外工作多年。回国后加入IBM中国研发中心,BEA中国研发中心,oracle中国研发中心等。任软件开发工程师,高级技术专家,首席架构师等。主要负责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,维护。参加过全省、全国多个大型的计算机应用项目。擅长软件架构设计与评审, 极限编程(XP)、测试驱动开发(TDD)、持续集成(CI)、重构(Refactor)、演进式设计(Evolutionary Design)以及降低代码的复杂度(Cyclomatic Complexity)。通过重构、重写,将代码量大幅度缩减,并且提高可读性、可扩展性、可变更性,从而大幅度降低开发成本。他热爱学习、思考与分享,曾翻译过多本技术书籍,在网站上发表过各种文章,并曾多次在技术会议和社区活动上发表演讲。
他还是认证培训师,为多家大型软件中心做过培训。比如EMC,VMware,华为,中兴通信,思科,诺基亚,朗讯,爱立信,上海贝尔,AutoDesk,Adobe,百度,阿里巴巴,腾讯,金山移动,支付宝等。

1998毕业获得计算机硕士学位。毕业后在国外工作多年。回国后加入IBM中国研发中心,BEA中国研发中心,oracle中国研发中心等。任软件开发工程师,高级技术专家,首席架构师等。主要负责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,维护。参加过全省、全国多个大型的计算机应用项目。擅长软件架构设计与评审, 极限编程(XP)、测试驱动开发(TDD)、持续集成(CI)、重构(Refactor)、演进式设计(Evolutionary Design)以及降低代码的复杂度(Cyclomatic Complexity)。通过重构、重写,将代码量大幅度缩减,并且提高可读性、可扩展性、可变更性,从而大幅度降低开发成本。他热爱学习、思考与分享,曾翻译过多本技术书籍,在网站上发表过各种文章,并曾多次在技术会议和社区活动上发表演讲。 他还是认证培训师,为多家大型软件中心做过培训。比如EMC,VMware,华为,中兴通信,思科,诺基亚,朗讯,爱立信,上海贝尔,AutoDesk,Adobe,百度,阿里巴巴,腾讯,金山移动,支付宝等。

课程费用

6800.00 /人

课程时长

2

成为教练

课程简介

本课程旨在帮助大家深入了解和应用大模型,从而利用其强大的自然语言处理能力解决各种现实世界的问题。内容包括介绍大型语言模型的基本原理、架构和训练方法,帮助大家建立对大模型的理解和认知。深入探讨LLAMA在各个领域的实际应用,包括自动文本生成、机器翻译、情感分析、问答系统等,帮助大家了解如何将LlAMA应用于实际项目中。

目标收益

1. 系统化了解AIGC生态体系和发展趋势
2. 系统化了解LLMs大语言模型生态体系和发展趋势
3. 掌握大语言模型LLama2的基座模型微调方法
5. 掌握大语言模型开发框架Langchain的使用方法。
6. 构建基于LangChain完整项目的开发过程和经验
7 大模型在产业应用实践(金融/电信/教育科技/制造业/公共服务业)
8 探索可落地的商用前景及实施路径

培训对象

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.动⼿开发第⼀个 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: ⼤模型应⽤开发框架 LangChain
1.⼤模型应⽤开发框架 LangChain
2.LangChain 是什么
3.为什么需要 LangChain
4.LangChain 典型使⽤场景
5.LangChain 基础概念与模块化设计
6.LangChain 核⼼模块⼊⻔与实战
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应⽤
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
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.动⼿开发第⼀个 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: ⼤模型应⽤开发框架 LangChain

1.⼤模型应⽤开发框架 LangChain
2.LangChain 是什么
3.为什么需要 LangChain
4.LangChain 典型使⽤场景
5.LangChain 基础概念与模块化设计
6.LangChain 核⼼模块⼊⻔与实战
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应⽤
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

课程费用

6800.00 /人

课程时长

2

预约体验票 我要分享

近期公开课推荐

近期公开课推荐

活动详情

提交需求