課程簡介
1.系統(tǒng)講解AI大模型的工作原理,讓學員在理解AI大模型工作原理的基礎上開展應用
2.逐層細致講解從構思AI應用場景到實際落地的條件依賴關系、實現(xiàn)次序、及建設思路
3.分享AI大模型應用落地中會遇到的各種坑以及相應的解決方法
4.有當堂演示AI大模型的應用拆解及對比試驗
5.因為本課程并非AI技術實現(xiàn)課程,所以對學員并不要求已經(jīng)具備AI大模型基礎
目標收益
1、大模型及RAG到底是什么?有什么用?
2、通用大模型和私有大模型的應用場景區(qū)別是什么?
3、AI大模型有哪些具體優(yōu)勢?又有哪些局限?
4、我們企業(yè)或團隊目前剛剛開始了解AI大模型,從想法到落地應該做些什么?如何規(guī)劃團隊結構和相應投資?
培訓對象
針對想引入AI但還沒開始投入資源做AI的公司、或不知從哪里入手搞AI的公司、或非IT科技類的公司??梢杂脕頂U展非IT行業(yè)的新客戶
課程大綱
模塊一:AI落地點 |
(1)AI落地點的類型: a.個人AI賦能 b.團隊AI賦能 c.通過AI增強現(xiàn)有能力 d.通過AI構建新能力 (2)AI落地點的選擇:討論如何選擇合適的AI落地點,包括考慮因素和評估標準 (3)案例分析:通過實際案例展示不同AI落地點的選擇過程和結果 (4)常見問題及解決方案:介紹在選擇AI落地點時可能遇到的問題及可行性分析 |
模塊二:AI應用及智能體 |
(1)提示工程對AI智能體的影響,從簡單一問一答到程序調(diào)度的變量參數(shù)提示 (2)智能體的定義及作用:何為AI智能體及其在AI應用中的作用 (3)AI智能體的典型架構和核心模塊 (4)AI智能體的分層實現(xiàn):逐步講解從構思到實現(xiàn)AI應用的過程,包括交互層、應用管理層、會話管理層、模型部署層、數(shù)據(jù)支撐層等 (5)AI智能體從概念驗證到大規(guī)模應用的分段投入 |
模塊三:AI大模型工作原理 |
(1)何為生成式AI (AIGC)、與傳統(tǒng)AI的本質(zhì)區(qū)別是什么 (2)AIGC領域的重要應用——LLM(大模型) (3)由AI視角解釋LLM大模型工作原理:分別詳述“L”-“Language”-“Model”技術原理 (4)理清大模型的核心概念和相互關系:Token、向量、嵌入、Transformer等 (5)有哪些好用的大模型:Chat GPT以及類似的中英文開源大模型 (6)通用大模型vs私有大模型,及應該如何選擇 (7)哪些情況需要企業(yè)搭建針對性的私有大模型 (8)構建私有大模型的核心條件和準備工作 (9)搭建私有大模型的關鍵步驟、順序、及依賴關系 (10)大模型幻覺的成因及注意事項 (11)每一個“我”如何在龐大的AI生態(tài)系統(tǒng)中找準自己的定位 |
模塊四:AI數(shù)據(jù)及增強檢索RAG |
(1)深入理解:大模型訓練vs模型微調(diào)vs增強檢索RAG的核心區(qū)別、實施成本、實施難度、和應用場景定位 (2)大模型具體應用落地的重要抓手——RAG (3)RAG技術詳解:RAG數(shù)據(jù)集合、RAG分塊策略、RAG模型嵌入 (4)RAG知識庫的數(shù)據(jù)準備 (5)RAG流程和多庫分類 (6)AI數(shù)據(jù)和知識庫的更新、維護、及長文檔組織 |
模塊五:AI算力 |
(1)運行大模型的算力計算公式 (2)部署私有大模型的算力投入 (3)GPU硬件選型注意事項實踐經(jīng)驗分享 (4)硬件基礎設施的配套管理及使用 |
模塊六:企業(yè)應用AI實踐分享 |
(1)AI在企業(yè)落地的流程支撐及數(shù)據(jù)質(zhì)量管理 (2)通過AI賦能個人能力提升團隊效能 (3)通過AI賦能工作流中的關鍵節(jié)點提升團隊效能 (4)通過AI賦能、自動化、再造工作流提企業(yè)運作效能 (5)總結:適合AI大模型落地的應用場景特征 |
模塊七:展望及思考 |
(1)AI時代對個人學習能力的新挑戰(zhàn) (2)AI時代非IT技術人員的AI技能要求 (3)AI時代IT技術人員的挑戰(zhàn)及機遇 |
模塊一:AI落地點 (1)AI落地點的類型: a.個人AI賦能 b.團隊AI賦能 c.通過AI增強現(xiàn)有能力 d.通過AI構建新能力 (2)AI落地點的選擇:討論如何選擇合適的AI落地點,包括考慮因素和評估標準 (3)案例分析:通過實際案例展示不同AI落地點的選擇過程和結果 (4)常見問題及解決方案:介紹在選擇AI落地點時可能遇到的問題及可行性分析 |
模塊二:AI應用及智能體 (1)提示工程對AI智能體的影響,從簡單一問一答到程序調(diào)度的變量參數(shù)提示 (2)智能體的定義及作用:何為AI智能體及其在AI應用中的作用 (3)AI智能體的典型架構和核心模塊 (4)AI智能體的分層實現(xiàn):逐步講解從構思到實現(xiàn)AI應用的過程,包括交互層、應用管理層、會話管理層、模型部署層、數(shù)據(jù)支撐層等 (5)AI智能體從概念驗證到大規(guī)模應用的分段投入 |
模塊三:AI大模型工作原理 (1)何為生成式AI (AIGC)、與傳統(tǒng)AI的本質(zhì)區(qū)別是什么 (2)AIGC領域的重要應用——LLM(大模型) (3)由AI視角解釋LLM大模型工作原理:分別詳述“L”-“Language”-“Model”技術原理 (4)理清大模型的核心概念和相互關系:Token、向量、嵌入、Transformer等 (5)有哪些好用的大模型:Chat GPT以及類似的中英文開源大模型 (6)通用大模型vs私有大模型,及應該如何選擇 (7)哪些情況需要企業(yè)搭建針對性的私有大模型 (8)構建私有大模型的核心條件和準備工作 (9)搭建私有大模型的關鍵步驟、順序、及依賴關系 (10)大模型幻覺的成因及注意事項 (11)每一個“我”如何在龐大的AI生態(tài)系統(tǒng)中找準自己的定位 |
模塊四:AI數(shù)據(jù)及增強檢索RAG (1)深入理解:大模型訓練vs模型微調(diào)vs增強檢索RAG的核心區(qū)別、實施成本、實施難度、和應用場景定位 (2)大模型具體應用落地的重要抓手——RAG (3)RAG技術詳解:RAG數(shù)據(jù)集合、RAG分塊策略、RAG模型嵌入 (4)RAG知識庫的數(shù)據(jù)準備 (5)RAG流程和多庫分類 (6)AI數(shù)據(jù)和知識庫的更新、維護、及長文檔組織 |
模塊五:AI算力 (1)運行大模型的算力計算公式 (2)部署私有大模型的算力投入 (3)GPU硬件選型注意事項實踐經(jīng)驗分享 (4)硬件基礎設施的配套管理及使用 |
模塊六:企業(yè)應用AI實踐分享 (1)AI在企業(yè)落地的流程支撐及數(shù)據(jù)質(zhì)量管理 (2)通過AI賦能個人能力提升團隊效能 (3)通過AI賦能工作流中的關鍵節(jié)點提升團隊效能 (4)通過AI賦能、自動化、再造工作流提企業(yè)運作效能 (5)總結:適合AI大模型落地的應用場景特征 |
模塊七:展望及思考 (1)AI時代對個人學習能力的新挑戰(zhàn) (2)AI時代非IT技術人員的AI技能要求 (3)AI時代IT技術人員的挑戰(zhàn)及機遇 |