課程簡介
大模型技術發(fā)展迅速，很多人一知半解，不知如何下手，除了打基礎的底層深度學習及相關技術，大模型技術可以分為四個部分，GPT預訓練模型、微調與prompt、lanchain套件、多模態(tài)。
目標收益
1. 系統(tǒng)化了解AIGC生態(tài)體系和發(fā)展趨勢
2. 系統(tǒng)化了解LLMs大語言模型生態(tài)體系和發(fā)展趨勢
3. 掌握大語言模型LLama2的基座模型微調方法
4. 掌握大語言模型LLama2的應用模型微調方法
5. 掌握大語言模型開發(fā)框架Langchain的使用方法。
6. 收獲一個完整項目的開發(fā)過程和經驗
培訓對象
課程大綱
| 第一天 AIGC AI內容生成全景視圖（上午） |
1.AIGC的概念定義：內涵、外延 2.AIGC的體系結構：七大領域 3.AIGC的發(fā)展演進：從AI->AIGC 4.AIGC的關鍵技術：算法模型 5.AIGC的核心框架：商業(yè)&開源項目 6.AIGC的生態(tài)圖譜：生態(tài)體系 7.AIGC的行業(yè)應用：文本、圖像、視頻、語音等 8.AIGC的發(fā)展現狀： 9.AIGC的未來趨勢： |
| 第一天 LLMs大語言模型全景視圖（下午） |
1.LLMs大語言模型的概念定義 2.LLMs大語言模型的發(fā)展演進 3.LLMs大語言模型的生態(tài)體系： 4.LLMs大語言模型的關鍵技術：Transforer& 5.LLMs大語言模型的核心框架：商業(yè)&開源 6.LLMs大語言模型的行業(yè)應用 7.LLMs大語言模型的發(fā)展現狀：通用&垂類 8.LLMs大語言模型的未來趨勢：多模態(tài)&細分 |
| 第二天 LLMs大語言模型-核心算法（上午） |
1.Llms大語言模型算法模型發(fā)展演進2.Transformer算法模型理論基礎 3.Transformer算法模型體系結構 4.Transformer算法模型工作流程 5.Transformer算法模型開源實現6.RLHF 基于人類反饋的強化學習算法模型基礎理論 7.RLHF 基于人類反饋的強化學習算法模型體系結構 8.RLHF 基于人類反饋的強化學習算法模型工作流程 9.RLHF 基于人類反饋的強化學習算法模型開源實現 |
| 第二天 LLMs大語言模型微調方法（下午） |
1.LLMs大語言模型微調對象和層次 2.LLMs大語言模型微調的主流方法 3.LLMs SFT監(jiān)督微調基本概念、工作流程和主流方法 4.LLMs LoRA微調方法概念、特點、基本原理和工作步驟 5.LLMs P-tuning v2微調方法概念、特點、基本原理和工作步驟 6.LLMs Freeze微調方法概念、特點、基本原理和工作步驟 |
| 第三天 Llama3.1 Fine-Tuning環(huán)境準備（上午） |
1.Llama3.1大語言模型開源框架簡介 2.Llama3.1本地開發(fā)環(huán)境安裝部署 3.Llama3.1預訓練模型下載和配置 4.Llama2本地開發(fā)環(huán)境運行和演示 5.Llama recipes本地環(huán)境安裝部署 6.Llama recipes微調基礎模型轉換 7.Llama recipes Fine-Tuning方法 |
| 第三天 Llam3.1 Fine-Tuning操作實戰(zhàn)（下午） |
1.Llama recipes 準備訓練腳本 2.Llama recipes 數據格式說明 3.Llama recipes 準備數據集合 4.Llama recipes 準備轉換模型 5.Llama recipes 中文微調 6.Llama recipes 訓練監(jiān)控 7.Llama recipes 模型推理 8.Llama recipes 模型評估 |
|
第四天 LangChain應用開發(fā)框架（上午） |
1.LangChain應用開發(fā)框架簡述2.LangChain框架主要核心概念 3.LangChain支持的語言模型 4.LangChain六大功能組件 5.LangChain環(huán)境安裝部署 6.LangChain操作案例教程 |
| 第四天 LangChain程序設計案例實戰(zhàn)（下午） |
1.LangChain程序設計案例1：非結構化數據問答 2.LangChain程序設計案例2：SQL結構化數據問答 3.LangChain程序設計案例3：聊天機器人 4.LangChain程序設計案例4：代碼理解 5.LangChain程序設計案例5：API交互 6.LangChain程序設計案例6：文檔摘要 |
| 第五天 Llama3.1+langchain構建本地化客服系統(tǒng)上 |
1.LLMs_QA基于語言模型本地化QA系統(tǒng) 2.LLMs_QA本地化客服系統(tǒng)業(yè)務需求 3.LLMs_QA本地化客服系統(tǒng)數據需求 4.LLMs_QA本地化客服系統(tǒng)工作流程 5.LLMs_QA本地化客服系統(tǒng)交互邏輯 6.LLMs_QA本地化客服系統(tǒng)體系結構 |
| 第五天Llama3.1+langchain構建本地化客服系統(tǒng)下 |
1.LLMs_QA開發(fā)環(huán)境安裝部署 2.LLMs_QA數據文件預處理 3.LLMs_QA數據文件向量化和存儲 4.LLMs_QA語言模型集成 5.LLMS_QA管道和鏈程序設計 6.LLMS_QA本地化QA系統(tǒng)運行演示 |
|
第一天 AIGC AI內容生成全景視圖（上午） 1.AIGC的概念定義：內涵、外延 2.AIGC的體系結構：七大領域 3.AIGC的發(fā)展演進：從AI->AIGC 4.AIGC的關鍵技術：算法模型 5.AIGC的核心框架：商業(yè)&開源項目 6.AIGC的生態(tài)圖譜：生態(tài)體系 7.AIGC的行業(yè)應用：文本、圖像、視頻、語音等 8.AIGC的發(fā)展現狀： 9.AIGC的未來趨勢： |
|
第一天 LLMs大語言模型全景視圖（下午） 1.LLMs大語言模型的概念定義 2.LLMs大語言模型的發(fā)展演進 3.LLMs大語言模型的生態(tài)體系： 4.LLMs大語言模型的關鍵技術：Transforer& 5.LLMs大語言模型的核心框架：商業(yè)&開源 6.LLMs大語言模型的行業(yè)應用 7.LLMs大語言模型的發(fā)展現狀：通用&垂類 8.LLMs大語言模型的未來趨勢：多模態(tài)&細分 |
|
第二天 LLMs大語言模型-核心算法（上午） 1.Llms大語言模型算法模型發(fā)展演進2.Transformer算法模型理論基礎 3.Transformer算法模型體系結構 4.Transformer算法模型工作流程 5.Transformer算法模型開源實現6.RLHF 基于人類反饋的強化學習算法模型基礎理論 7.RLHF 基于人類反饋的強化學習算法模型體系結構 8.RLHF 基于人類反饋的強化學習算法模型工作流程 9.RLHF 基于人類反饋的強化學習算法模型開源實現 |
|
第二天 LLMs大語言模型微調方法（下午） 1.LLMs大語言模型微調對象和層次 2.LLMs大語言模型微調的主流方法 3.LLMs SFT監(jiān)督微調基本概念、工作流程和主流方法 4.LLMs LoRA微調方法概念、特點、基本原理和工作步驟 5.LLMs P-tuning v2微調方法概念、特點、基本原理和工作步驟 6.LLMs Freeze微調方法概念、特點、基本原理和工作步驟 |
|
第三天 Llama3.1 Fine-Tuning環(huán)境準備（上午） 1.Llama3.1大語言模型開源框架簡介 2.Llama3.1本地開發(fā)環(huán)境安裝部署 3.Llama3.1預訓練模型下載和配置 4.Llama2本地開發(fā)環(huán)境運行和演示 5.Llama recipes本地環(huán)境安裝部署 6.Llama recipes微調基礎模型轉換 7.Llama recipes Fine-Tuning方法 |
|
第三天 Llam3.1 Fine-Tuning操作實戰(zhàn)（下午） 1.Llama recipes 準備訓練腳本 2.Llama recipes 數據格式說明 3.Llama recipes 準備數據集合 4.Llama recipes 準備轉換模型 5.Llama recipes 中文微調 6.Llama recipes 訓練監(jiān)控 7.Llama recipes 模型推理 8.Llama recipes 模型評估 |
|
第四天 LangChain應用開發(fā)框架（上午） 1.LangChain應用開發(fā)框架簡述2.LangChain框架主要核心概念 3.LangChain支持的語言模型 4.LangChain六大功能組件 5.LangChain環(huán)境安裝部署 6.LangChain操作案例教程 |
|
第四天 LangChain程序設計案例實戰(zhàn)（下午） 1.LangChain程序設計案例1：非結構化數據問答 2.LangChain程序設計案例2：SQL結構化數據問答 3.LangChain程序設計案例3：聊天機器人 4.LangChain程序設計案例4：代碼理解 5.LangChain程序設計案例5：API交互 6.LangChain程序設計案例6：文檔摘要 |
|
第五天 Llama3.1+langchain構建本地化客服系統(tǒng)上 1.LLMs_QA基于語言模型本地化QA系統(tǒng) 2.LLMs_QA本地化客服系統(tǒng)業(yè)務需求 3.LLMs_QA本地化客服系統(tǒng)數據需求 4.LLMs_QA本地化客服系統(tǒng)工作流程 5.LLMs_QA本地化客服系統(tǒng)交互邏輯 6.LLMs_QA本地化客服系統(tǒng)體系結構 |
|
第五天Llama3.1+langchain構建本地化客服系統(tǒng)下 1.LLMs_QA開發(fā)環(huán)境安裝部署 2.LLMs_QA數據文件預處理 3.LLMs_QA數據文件向量化和存儲 4.LLMs_QA語言模型集成 5.LLMS_QA管道和鏈程序設計 6.LLMS_QA本地化QA系統(tǒng)運行演示 |
近期公開課推薦
