課程簡介
從DevOPS到MLOPS，再到LLMOPS，變的是應用類型和邊界范圍，不變的是通過工具鏈思維，持續(xù)提升一致性，提高協(xié)作型，正確高效地開發(fā)交付應用。在本課程中，我們將沿著軟件工程發(fā)展的趨勢，解讀傳統(tǒng)業(yè)務應用，數(shù)據(jù)AI應用，大模型應用的痛點，以及對應的相關平臺理論和技術，帶領學員從傳統(tǒng)軟件開發(fā)模式向云原生，AI原生應用開發(fā)模式轉型，擁抱AI世界。
目標收益
1、了解軟件開發(fā)的歷程，以及各個階段軟件工程技術的痛點和解決方案
2、理解AI項目與傳統(tǒng)項目的差異
3、理解DevOPS，MLOPS，LLMOPS三者異同
4、掌握K8s/docker等常見的云原生工具的作用及使用方法
5、掌握常見的機器學習平臺的產(chǎn)品功能和使用方法。
6、掌握常見的LLM應用開發(fā)的架構及常見框架使用方法。
培訓對象
適用于前后端軟件開發(fā)者、架構師和管理者，有一定的開發(fā)經(jīng)驗，有無DevOps經(jīng)驗皆可。
課程大綱
| 概論（3小時） |
1.從單體架構到云原生，再到無服務架構，縱覽近20年軟件架構演化過程以及相關技術。 2.從傳統(tǒng)軟件到數(shù)據(jù)AI應用，再到LLM應用，解析技術特點和相關開發(fā)技術。 3.未來技術趨勢 |
| DevOPS基礎（2小時） |
1.云原生及DevOPS的概念與理論 2.docker相關技術和實踐 3.k8s相關技術和實踐 |
| MLOPS基礎（2-3小時） |
1.機器學習及MLOPS的概念與理論 2.機器學習平臺及相關技術介紹 3.流程自動化與MLOPS流水線 4.線上線下一致性與特征工程平臺 |
| LLMOPS基礎（2小時） |
1.大模型及LLMOPS的概念與理論 2.LLM相關框架與技術介紹（langchain，llamaindex等） 3.LLMOPS平臺介紹（Dify/coze等） |
| 實操（3小時） |
1.基于k8s安裝部署LLMOPS平臺環(huán)境（可選） 2.LLM應用開發(fā)實戰(zhàn) |
|
概論（3小時） 1.從單體架構到云原生，再到無服務架構，縱覽近20年軟件架構演化過程以及相關技術。 2.從傳統(tǒng)軟件到數(shù)據(jù)AI應用，再到LLM應用，解析技術特點和相關開發(fā)技術。 3.未來技術趨勢 |
|
DevOPS基礎（2小時） 1.云原生及DevOPS的概念與理論 2.docker相關技術和實踐 3.k8s相關技術和實踐 |
|
MLOPS基礎（2-3小時） 1.機器學習及MLOPS的概念與理論 2.機器學習平臺及相關技術介紹 3.流程自動化與MLOPS流水線 4.線上線下一致性與特征工程平臺 |
|
LLMOPS基礎（2小時） 1.大模型及LLMOPS的概念與理論 2.LLM相關框架與技術介紹（langchain，llamaindex等） 3.LLMOPS平臺介紹（Dify/coze等） |
|
實操（3小時） 1.基于k8s安裝部署LLMOPS平臺環(huán)境（可選） 2.LLM應用開發(fā)實戰(zhàn) |
近期公開課推薦
