工程師
互聯(lián)網(wǎng)
大模型
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

AI大模型+RAG:從零到一的企業(yè)實踐

陸宏杰

前微軟亞洲工程院 自動化測試及持續(xù)集成負責人

曾現(xiàn)任Lane Crawford集團電子商務部副總監(jiān),負責由零開始組建電子商務部及全面將線下業(yè)務整合至線上,以及整個團隊的崗位設置、人員招聘、日常管理、產(chǎn)品、研發(fā)、質(zhì)量、東南亞市場運營、傳統(tǒng)業(yè)務系統(tǒng)升級及流程重造等工作。目前研發(fā)團隊覆蓋中國大陸、香港、東南亞,將集團業(yè)務由B2C擴展至B2B及B2B2C多模式。同時負責整個集團的研發(fā)規(guī)范化。

具有超過10年技術團隊管理工作經(jīng)驗,一直專注在大型系統(tǒng)軟件開發(fā)、自動化測試及持續(xù)集成/持續(xù)交付、產(chǎn)品化等工作上,對技術團隊管理也比較有經(jīng)驗。目前個人專注于自動化測試及持續(xù)集成/持續(xù)交付;產(chǎn)品設計框架及方法論;基于多租戶技術的SaaS系統(tǒng)架構等技術方向。

曾就職于微軟亞洲工程院,先后創(chuàng)建過多個不同職能的團隊,有創(chuàng)新型團隊、執(zhí)行型團隊、以及保障型團隊等。在團隊結構優(yōu)化、人才梯隊建設、以及跨部門合作管理方面有豐富經(jīng)驗。注重培養(yǎng)團隊的創(chuàng)新能力,所帶團隊發(fā)表過12個國際專利、自主立項研發(fā)2個新產(chǎn)品線。對如何發(fā)揮團隊潛力有深入研究。擅長團隊激勵,從基層員工發(fā)現(xiàn)及培養(yǎng)有潛力的管理者,所帶過的團隊均表現(xiàn)出團隊整體能力及成熟度的持續(xù)提升!

? 微軟亞洲工程院自動化框架設計及主程序之一
? 微軟核心項目持續(xù)集成建設負責人
? 所研發(fā)的自動化測試及持續(xù)集成贏得微軟工程技術創(chuàng)新獎
? 帶領團隊建立微軟亞洲工程院自動化實驗室及持續(xù)集成系統(tǒng)
? Photoshop自動化框架及持續(xù)集成系統(tǒng)總設計師
? 建立Photoshop全球自動化實驗室
? 在《程序員》雜志上發(fā)表過數(shù)篇關于自動化測試技術及持續(xù)集成的文章

曾受邀在MSUP Top100及MPD會議上/沙龍上發(fā)表關于自動化測試、社交網(wǎng)絡游戲產(chǎn)品設計核心等技術演講。


曾現(xiàn)任Lane Crawford集團電子商務部副總監(jiān),負責由零開始組建電子商務部及全面將線下業(yè)務整合至線上,以及整個團隊的崗位設置、人員招聘、日常管理、產(chǎn)品、研發(fā)、質(zhì)量、東南亞市場運營、傳統(tǒng)業(yè)務系統(tǒng)升級及流程重造等工作。目前研發(fā)團隊覆蓋中國大陸、香港、東南亞,將集團業(yè)務由B2C擴展至B2B及B2B2C多模式。同時負責整個集團的研發(fā)規(guī)范化。 具有超過10年技術團隊管理工作經(jīng)驗,一直專注在大型系統(tǒng)軟件開發(fā)、自動化測試及持續(xù)集成/持續(xù)交付、產(chǎn)品化等工作上,對技術團隊管理也比較有經(jīng)驗。目前個人專注于自動化測試及持續(xù)集成/持續(xù)交付;產(chǎn)品設計框架及方法論;基于多租戶技術的SaaS系統(tǒng)架構等技術方向。 曾就職于微軟亞洲工程院,先后創(chuàng)建過多個不同職能的團隊,有創(chuàng)新型團隊、執(zhí)行型團隊、以及保障型團隊等。在團隊結構優(yōu)化、人才梯隊建設、以及跨部門合作管理方面有豐富經(jīng)驗。注重培養(yǎng)團隊的創(chuàng)新能力,所帶團隊發(fā)表過12個國際專利、自主立項研發(fā)2個新產(chǎn)品線。對如何發(fā)揮團隊潛力有深入研究。擅長團隊激勵,從基層員工發(fā)現(xiàn)及培養(yǎng)有潛力的管理者,所帶過的團隊均表現(xiàn)出團隊整體能力及成熟度的持續(xù)提升! ? 微軟亞洲工程院自動化框架設計及主程序之一 ? 微軟核心項目持續(xù)集成建設負責人 ? 所研發(fā)的自動化測試及持續(xù)集成贏得微軟工程技術創(chuàng)新獎 ? 帶領團隊建立微軟亞洲工程院自動化實驗室及持續(xù)集成系統(tǒng) ? Photoshop自動化框架及持續(xù)集成系統(tǒng)總設計師 ? 建立Photoshop全球自動化實驗室 ? 在《程序員》雜志上發(fā)表過數(shù)篇關于自動化測試技術及持續(xù)集成的文章 曾受邀在MSUP Top100及MPD會議上/沙龍上發(fā)表關于自動化測試、社交網(wǎng)絡游戲產(chǎn)品設計核心等技術演講。

課程費用

5800.00 /人

課程時長

1

成為教練

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

課程費用

5800.00 /人

課程時長

1

預約體驗票 我要分享

近期公開課推薦

近期公開課推薦

活動詳情

提交需求