工程師
互聯(lián)網(wǎng)
其他
深度學習
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

LLMs大語言模型基礎理論、算法模型、操作實戰(zhàn)、模型微調(diào)和項目實戰(zhàn)

課程費用

5800.00 /人

課程時長

5

成為教練

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(diào)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(diào)方法
4. 掌握大語言模型LLama2的應用模型微調(diào)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(jīng)驗

培訓對象

課程大綱

第一天 AIGC AI內(nèi)容生成全景視圖(上午) 1.AIGC的概念定義:內(nèi)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(xiàn)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(xiàn)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(xiàn)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(xiàn)
第二天 LLMs大語言模型微調(diào)方法(下午) 1.LLMs大語言模型微調(diào)對象和層次
2.LLMs大語言模型微調(diào)的主流方法
3.LLMs SFT監(jiān)督微調(diào)基本概念、工作流程和主流方法
4.LLMs LoRA微調(diào)方法概念、特點、基本原理和工作步驟
5.LLMs P-tuning v2微調(diào)方法概念、特點、基本原理和工作步驟
6.LLMs Freeze微調(diào)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(diào)基礎模型轉(zhuǎn)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(shù)據(jù)格式說明
3.Llama recipes 準備數(shù)據(jù)集合
4.Llama recipes 準備轉(zhuǎn)換模型
5.Llama recipes 中文微調(diào)
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(shù)據(jù)問答
2.LangChain程序設計案例2:SQL結構化數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)文件預處理
3.LLMs_QA數(shù)據(jù)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(nèi)容生成全景視圖(上午)
1.AIGC的概念定義:內(nèi)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(xiàn)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(xiàn)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(xiàn)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(xiàn)
第二天 LLMs大語言模型微調(diào)方法(下午)
1.LLMs大語言模型微調(diào)對象和層次
2.LLMs大語言模型微調(diào)的主流方法
3.LLMs SFT監(jiān)督微調(diào)基本概念、工作流程和主流方法
4.LLMs LoRA微調(diào)方法概念、特點、基本原理和工作步驟
5.LLMs P-tuning v2微調(diào)方法概念、特點、基本原理和工作步驟
6.LLMs Freeze微調(diào)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(diào)基礎模型轉(zhuǎn)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(shù)據(jù)格式說明
3.Llama recipes 準備數(shù)據(jù)集合
4.Llama recipes 準備轉(zhuǎn)換模型
5.Llama recipes 中文微調(diào)
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(shù)據(jù)問答
2.LangChain程序設計案例2:SQL結構化數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)文件預處理
3.LLMs_QA數(shù)據(jù)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

課程費用

5800.00 /人

課程時長

5

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