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
培训对象
面向专业的大模型开发人员、软件设计师、架构师。
课程大纲
|
第1章 DeepSeek为什么这么火 第一部分: DeepseekV3和R1 推理大模型入门 |
1.Deepseek平台简介 2.Deepseek为什么这么火？ 有什么核心技术？ 3.Deepseek 核心功能与基础操作 4.Deepseek推理大模型R1和普通大模型V3 5.Deepseek大模型和国内外大模型对比 6.Deepseek R1推理大模型产品定位、适用场景与核心优势 7.什么场景适合使用Deepseek R1推理大模型 8.DeepSeek R1 的六个蒸馏小模型 9.DeepSeek R1 的两个MoE大模型 10.DeekSeep大模型还需要提示词工程吗？ 11.DeekSeep推理大模型为什么简化了对提示词的要求 12.Deepseek的提问技巧 13.编写指令的3个原则 14.挖掘指令的3个方法 15.编写指令的7种技巧 16.优化答案的6种模板DeepSeek和国内其他大模型对比（智谱，文心，通义，kimi等） |
|
第2章 DeepSeek大模型原理和部署，微调 第二部分: DeepSeek原理和优化 |
1.DeepSeek原理剖析 2.DeepSeek系统软件优化 3.DeepSeek 为什么训练成本低 4.DeepSeek V3模型参数 5.DeepSeek MoE架构 6.DeepSeek 架构4方面优化 7.DeepSeek R1 论文解读 8.DeepSeek R1的创新点剖析 9.DeepSeek R1 引发的创新思考 |
| 第三部分: 私有化部署DeepSeek大模型 |
1.DeepSeek云端部署 2.DeepSeek和国产信创平台适配 3.DeepSeek和国内云平台 4.利用Ollama私有化部署DeepSeek大模型 5.使用其他工具私有化部署DeepSeek大模型 6.DeepSeek私有化部署总结 |
|
第四部分: DeepSeek大模型微调和蒸馏 |
1.DeepSeek 大模型微调 2.大模型指令微调技术 3.通用模型的缺点和指令微调的必要性 4.指令微调跟BERT时代Fine-tune之间区别 5.指令集的收集与格式化 6.指令数据集文件制作 7.大模型微调的三个阶段剖析 8.大模型微调的两种方法剖析 |
|
第3章 基于DeepSeek大模型API开发应用 第五部分: SeepSeek大模型 API 应用开发 |
1.DeepSeek-V3 大模型API 2.DeepSeek-R1推理大模型API 3.DeepSeek模型 & 价格 4.DeepSeek模型参数Temperature 设置 5.DeepSeek模型Token 用量计算 6.DeepSeek模型错误码 7.DeepSeek大模型多轮对话 8.DeepSeek大模型对话前缀续写（Beta） 9.DeepSeek大模型FIM 补全（Beta） 10.DeepSeek大模型JSON Output 11.DeepSeek大模型Function Calling 12.DeepSeek大模型上下文硬盘缓存 13.文本内容补全初探（Text Completion） 14.聊天机器人初探（Chat Completion） 15.基于DeepSeek开发智能翻译助手 16.案例分析 |
| 第六部分: DeepSeek大模型对比其他大模型API（国外和国内其他） |
1.OpenAI大模型API 2.claude大模型API 3.Gemini 大模型API 4.智谱大模型API 介绍 5.使用 GLM-4 API构建模型和应用 6.基于通义千问大模型API的应用与开发 7.基于百度大模型API应用开发 8.基于字节，腾讯，华为大模型应用开发 |
| 第七部分: DeepSeek大模型API构建应用程序（12案例，灵活选择） |
1.应用程序开发概述 2.案例项目分析 3.项目1：构建新闻稿生成器 4.项目2：语音控制 5.项目3：企业管理系统MIS应用案例分析 6.项目4：某企业智能管理系统 |
|
第4章 DeepSeek和LangChain开发应用 第八部分: 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 |
| 第九部分: 基于DeepSeek和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.使⽤大模型构建文档问答系统 |
|
第5章 DeepSeek构建企业级RAG知识库 第十部分: DeepSeek大模型企业RAG应用 |
1.RAG技术概述 2.加载器和分割器 3.文本嵌入和 向量存储 4.检索器和多文档联合检索 5.RAG技术的关键挑战 6.检索增强生成实践 7.RAG技术文档预处理过程 8.RAG技术文档检索过程 |
| 第十一部分: 构建基于DeepSeek RAG Agent：实现检索增强生成 |
1.何谓检索增强生成 2.提示工程、RAG与微调 3.从技术角度看检索部分的Pipeline 4.从用户角度看RAG流程 5.RAG和Agent 6.通过Llamalndex的ReAct RAG Agent实现检索 7.获取井加载电商的财报文件 8.将财报文件的数据转换为向量数据 9.构建查询引擎和工具 10.配置文本生成引擎大模型 11.创建Agent以查询信息 |
|
第6章 基于DeepSeek大模型Agent智能体开发 第十二部分:DeepSeek大模型驱动的Agent智能体开发概述 |
1.智能体的定义与特点 2.智能体与传统软件的关系 3.智能体与LLM的关系 4.从ChatGPT到智能体 5.智能体的五种能力 6.记忆，规划，工具，自主决策，推理 7.多智能体协作 8.企业级智能体应用与任务规划 9.智能体开发 |
| 第十三部分: 基于Deepseek和LangChain构建Agent |
1.通过LangChain中的ReAct框架实现自动定价 2.LangChain ReAct框架 3.LangChain中ReAct Agent 的实现 4.LangChain中的工具和工具包 5.通过create_react_agent创建Agent 6.深挖AgentExecutor的运行机制 7.Plan-and-Solve策略的提出 8.LangChain中的Plan-and-Execute Agent 9.通过Plan-and-Execute Agent实现物流管理 10.为Agent定义一系列进行自动库存调度的工具 |
|
第7章 基于DeepSeek大模型—AI产品设计 第十四部分:AI人工智能时代重新定义产品和产品经理 |
1.人工智能时代产品的特殊性 2.人工智能是工具，也是新的产品设计思维逻辑 3.人工智能技术给传统的服务和产品赋能 4.构成人工智能产品的三要素 5.AI产品成功的必要条件 6.AI产品经理的价值定位 7.AI产品经理需要兼具“软硬”实力 8.AI产品经理需要懂技术 9.AI产品经理入门 |
|
第8章 DeepSeek大模型应用案例分析（案例使用国内外多种大模型） 第十五部分: DeepSeek大模型落地实战—上课带领大家动手实现案例 |
1.基于DeepSeek 实现一个在线角色扮演互动游戏 2.基于DeepSeek 实现一个“视频解说”项目 3.基于DeepSeek 实现一个“开启智能股票分析“项目 4.基于DeepSeek 实现一个 AI 生成媒体内容 5.基于DeepSeek 实现一个 大模型在旅游行业的应用 6.基于DeepSeek 实现一个完整的RAG知识库系统 7.基于DeepSeek 实现一个完整的Agent系统自动办理业务 |
| 第十六部分: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 |
| 第十七部分:大模型技术在电信行业应用 |
1.DeepSeek大模型技术在电信行业应用的思考与建议 2.大模型技术在电信领域的适用场景 3.大模型技术在电信行业智能客服 4.大模型技术在电信应用-智能运维 5.大模型技术在电信行业网络运维智能化 |
| 第十八部分: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.大模型技术在互联网和传媒应用-智能搜索与推荐系统 5.大模型技术在建筑行业应用-智能工程图纸管理 |
|
第1章 DeepSeek为什么这么火 第一部分: DeepseekV3和R1 推理大模型入门 1.Deepseek平台简介 2.Deepseek为什么这么火？ 有什么核心技术？ 3.Deepseek 核心功能与基础操作 4.Deepseek推理大模型R1和普通大模型V3 5.Deepseek大模型和国内外大模型对比 6.Deepseek R1推理大模型产品定位、适用场景与核心优势 7.什么场景适合使用Deepseek R1推理大模型 8.DeepSeek R1 的六个蒸馏小模型 9.DeepSeek R1 的两个MoE大模型 10.DeekSeep大模型还需要提示词工程吗？ 11.DeekSeep推理大模型为什么简化了对提示词的要求 12.Deepseek的提问技巧 13.编写指令的3个原则 14.挖掘指令的3个方法 15.编写指令的7种技巧 16.优化答案的6种模板DeepSeek和国内其他大模型对比（智谱，文心，通义，kimi等） |
|
第2章 DeepSeek大模型原理和部署，微调 第二部分: DeepSeek原理和优化 1.DeepSeek原理剖析 2.DeepSeek系统软件优化 3.DeepSeek 为什么训练成本低 4.DeepSeek V3模型参数 5.DeepSeek MoE架构 6.DeepSeek 架构4方面优化 7.DeepSeek R1 论文解读 8.DeepSeek R1的创新点剖析 9.DeepSeek R1 引发的创新思考 |
|
第三部分: 私有化部署DeepSeek大模型 1.DeepSeek云端部署 2.DeepSeek和国产信创平台适配 3.DeepSeek和国内云平台 4.利用Ollama私有化部署DeepSeek大模型 5.使用其他工具私有化部署DeepSeek大模型 6.DeepSeek私有化部署总结 |
|
第四部分: DeepSeek大模型微调和蒸馏 1.DeepSeek 大模型微调 2.大模型指令微调技术 3.通用模型的缺点和指令微调的必要性 4.指令微调跟BERT时代Fine-tune之间区别 5.指令集的收集与格式化 6.指令数据集文件制作 7.大模型微调的三个阶段剖析 8.大模型微调的两种方法剖析 |
|
第3章 基于DeepSeek大模型API开发应用 第五部分: SeepSeek大模型 API 应用开发 1.DeepSeek-V3 大模型API 2.DeepSeek-R1推理大模型API 3.DeepSeek模型 & 价格 4.DeepSeek模型参数Temperature 设置 5.DeepSeek模型Token 用量计算 6.DeepSeek模型错误码 7.DeepSeek大模型多轮对话 8.DeepSeek大模型对话前缀续写（Beta） 9.DeepSeek大模型FIM 补全（Beta） 10.DeepSeek大模型JSON Output 11.DeepSeek大模型Function Calling 12.DeepSeek大模型上下文硬盘缓存 13.文本内容补全初探（Text Completion） 14.聊天机器人初探（Chat Completion） 15.基于DeepSeek开发智能翻译助手 16.案例分析 |
|
第六部分: DeepSeek大模型对比其他大模型API（国外和国内其他） 1.OpenAI大模型API 2.claude大模型API 3.Gemini 大模型API 4.智谱大模型API 介绍 5.使用 GLM-4 API构建模型和应用 6.基于通义千问大模型API的应用与开发 7.基于百度大模型API应用开发 8.基于字节，腾讯，华为大模型应用开发 |
|
第七部分: DeepSeek大模型API构建应用程序（12案例，灵活选择） 1.应用程序开发概述 2.案例项目分析 3.项目1：构建新闻稿生成器 4.项目2：语音控制 5.项目3：企业管理系统MIS应用案例分析 6.项目4：某企业智能管理系统 |
|
第4章 DeepSeek和LangChain开发应用 第八部分: 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 |
|
第九部分: 基于DeepSeek和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.使⽤大模型构建文档问答系统 |
|
第5章 DeepSeek构建企业级RAG知识库 第十部分: DeepSeek大模型企业RAG应用 1.RAG技术概述 2.加载器和分割器 3.文本嵌入和 向量存储 4.检索器和多文档联合检索 5.RAG技术的关键挑战 6.检索增强生成实践 7.RAG技术文档预处理过程 8.RAG技术文档检索过程 |
|
第十一部分: 构建基于DeepSeek RAG Agent：实现检索增强生成 1.何谓检索增强生成 2.提示工程、RAG与微调 3.从技术角度看检索部分的Pipeline 4.从用户角度看RAG流程 5.RAG和Agent 6.通过Llamalndex的ReAct RAG Agent实现检索 7.获取井加载电商的财报文件 8.将财报文件的数据转换为向量数据 9.构建查询引擎和工具 10.配置文本生成引擎大模型 11.创建Agent以查询信息 |
|
第6章 基于DeepSeek大模型Agent智能体开发 第十二部分:DeepSeek大模型驱动的Agent智能体开发概述 1.智能体的定义与特点 2.智能体与传统软件的关系 3.智能体与LLM的关系 4.从ChatGPT到智能体 5.智能体的五种能力 6.记忆，规划，工具，自主决策，推理 7.多智能体协作 8.企业级智能体应用与任务规划 9.智能体开发 |
|
第十三部分: 基于Deepseek和LangChain构建Agent 1.通过LangChain中的ReAct框架实现自动定价 2.LangChain ReAct框架 3.LangChain中ReAct Agent 的实现 4.LangChain中的工具和工具包 5.通过create_react_agent创建Agent 6.深挖AgentExecutor的运行机制 7.Plan-and-Solve策略的提出 8.LangChain中的Plan-and-Execute Agent 9.通过Plan-and-Execute Agent实现物流管理 10.为Agent定义一系列进行自动库存调度的工具 |
|
第7章 基于DeepSeek大模型—AI产品设计 第十四部分:AI人工智能时代重新定义产品和产品经理 1.人工智能时代产品的特殊性 2.人工智能是工具，也是新的产品设计思维逻辑 3.人工智能技术给传统的服务和产品赋能 4.构成人工智能产品的三要素 5.AI产品成功的必要条件 6.AI产品经理的价值定位 7.AI产品经理需要兼具“软硬”实力 8.AI产品经理需要懂技术 9.AI产品经理入门 |
|
第8章 DeepSeek大模型应用案例分析（案例使用国内外多种大模型） 第十五部分: DeepSeek大模型落地实战—上课带领大家动手实现案例 1.基于DeepSeek 实现一个在线角色扮演互动游戏 2.基于DeepSeek 实现一个“视频解说”项目 3.基于DeepSeek 实现一个“开启智能股票分析“项目 4.基于DeepSeek 实现一个 AI 生成媒体内容 5.基于DeepSeek 实现一个 大模型在旅游行业的应用 6.基于DeepSeek 实现一个完整的RAG知识库系统 7.基于DeepSeek 实现一个完整的Agent系统自动办理业务 |
|
第十六部分: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 |
|
第十七部分:大模型技术在电信行业应用 1.DeepSeek大模型技术在电信行业应用的思考与建议 2.大模型技术在电信领域的适用场景 3.大模型技术在电信行业智能客服 4.大模型技术在电信应用-智能运维 5.大模型技术在电信行业网络运维智能化 |
|
第十八部分: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.大模型技术在互联网和传媒应用-智能搜索与推荐系统 5.大模型技术在建筑行业应用-智能工程图纸管理 |
近期公开课推荐
