课程简介

本课程是一个面向企业的大语言模型技术实践培训，为期一天，整合了大模型领域的前沿技术与落地经验。上午课程重点介绍大模型基础理论与技术框架，包括AIGC发展趋势、主流开源模型、知识图谱基础及数据构造清洗等核心内容；下午聚焦实践应用，深入探讨高效参数调优方法、分布式训练策略及企业级落地案例。课程特别关注 GLM、Llama、Baichuan 等主流开源模型，并结合法律、医疗、金融等垂直领域应用实践。通过理论与案例相结合的方式，帮助学员全面掌握大模型技术在企业环境中的实际应用能力，为企业智能化转型提供专业指导。

目标收益

培训对象

课程内容

第一天-上午
1. 课程开场与大模型综述（0.5h）
对大模型的概述，介绍课程的目标和预期的学习成果。
介绍人工智能生成创作（AIGC）领域的基本概念、应用和发展趋势，相关场景及算法基础逻辑介绍
2. 大模型基础与主流开源语言大模型介绍（1.5h）
大语言模型中的Tokenizer介绍，介绍BPE、WordPiece、Unigram等分词方法
主流大模型介绍，如GLM、Llama、bloom、MOSS、Baichuan、Qwen、Skywork等
领域大模型介绍——法律、医疗、金融、教育等领域大模型介绍
大型语言模型评估——内容评估、评估方法及评估榜单
3. 知识图谱基础与大模型（0.5h）
介绍知识图谱相关基础，知识图谱构建方法、图数据库以及知识图谱相关概念
主流大模型介绍，如GLM、Llama、bloom、MOSS、Baichuan、Qwen、Skywork等
知识图谱与大模型结合方法
4 . 大语言模中的数据构造与清洗（0.5h）
大模型中的数据构造与清洗方法综合介绍
介绍基于Self-instruct的数据构造方法、介绍面向结构化知识的数据构造方法
数据清洗方法介绍——IFD指标法、MoDS方法等
第一天-下午
1 . 大语言模中的高效参数调优方法（1.5h）
常用参数微调方法——Prefix Tuning、P-Tuning、LoRA
大模型分布式训练基础介绍，简述当前常用的模型分布式计算方法细介绍数据并行、向量并行、流式并行的多种并行策略等
DeepSpeed框架简述述，介绍ZeRO-1、ZeRO-2、ZeRO-3多种分布式策略
2.大模型企业落地案例详述（0.5h）
大模型企业落地场景介绍，包括智能问答、知识库、知识图谱于大模型融合案例等
大模型行业应用分析，场景化落地，包括合同审核、问答等场景
3.问答与交流（1h）
行业落地及项目交流