架構(gòu)師
其他
大模型
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

DeepSeek大模型應(yīng)用開發(fā)最佳實(shí)踐

劉捷

某AI人工智能公司咨詢團(tuán)隊(duì) 首席顧問

獲得計(jì)算機(jī)碩士學(xué)位。畢業(yè)后在國(guó)外工作多年?；貒?guó)后加入IBM中國(guó)研發(fā)中心，BEA中國(guó)研發(fā)中心，oracle中國(guó)研發(fā)中心，阿里云，京東等多家互聯(lián)網(wǎng)研發(fā)中心咨詢顧問等。最近幾年帶隊(duì)完成了數(shù)十個(gè)AI項(xiàng)目，內(nèi)容不僅包括深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等具體技術(shù)要點(diǎn)，也包括AI的整體發(fā)展、現(xiàn)狀、應(yīng)用、商業(yè)價(jià)值、未來方向等，涵蓋內(nèi)容非常豐富。完成多個(gè)深度學(xué)習(xí)實(shí)踐項(xiàng)目，廣泛應(yīng)用于醫(yī)療、交通、農(nóng)業(yè)、氣象、銀行、電信等多個(gè)領(lǐng)域。
從2023年推出的多門課程《AI大模型賦能行業(yè)應(yīng)用與解決方案》《AI 大模型輔助軟件研發(fā)管理與效能提升》和《AI大模型技術(shù)及開發(fā)應(yīng)用實(shí)踐
》更是廣受歡迎，已經(jīng)為幾十家企業(yè)培訓(xùn)，如Autodesk中國(guó)研發(fā)中心，思科（合肥，杭州，上海）研發(fā)中心，中信銀行研發(fā)中心，中信證券研發(fā)中心，平安壽險(xiǎn)，平安產(chǎn)險(xiǎn)，平安銀行，平安租賃，中興（南京，深圳，上海，西安）研發(fā)中心，華為，民航信，NTT DATA，北京體彩，海爾集團(tuán)，聯(lián)想研發(fā)中信，等；作為一名AI技術(shù)專家，對(duì)人工智能的理解深入透徹。他不僅精通AI的編程技術(shù)，還熟悉各種AI工具的使用，尤其在AI行業(yè)應(yīng)用更是有著獨(dú)特的見解和實(shí)踐經(jīng)驗(yàn)；自從2023年以來幫助多家研發(fā)中心做AI輔助開發(fā)效能提升咨詢服務(wù)。同時(shí)也是微軟人工智能認(rèn)證工程師，阿里云AI人工智能訓(xùn)練師。

獲得計(jì)算機(jī)碩士學(xué)位。畢業(yè)后在國(guó)外工作多年?；貒?guó)后加入IBM中國(guó)研發(fā)中心，BEA中國(guó)研發(fā)中心，oracle中國(guó)研發(fā)中心，阿里云，京東等多家互聯(lián)網(wǎng)研發(fā)中心咨詢顧問等。最近幾年帶隊(duì)完成了數(shù)十個(gè)AI項(xiàng)目，內(nèi)容不僅包括深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等具體技術(shù)要點(diǎn)，也包括AI的整體發(fā)展、現(xiàn)狀、應(yīng)用、商業(yè)價(jià)值、未來方向等，涵蓋內(nèi)容非常豐富。完成多個(gè)深度學(xué)習(xí)實(shí)踐項(xiàng)目，廣泛應(yīng)用于醫(yī)療、交通、農(nóng)業(yè)、氣象、銀行、電信等多個(gè)領(lǐng)域。 從2023年推出的多門課程《AI大模型賦能行業(yè)應(yīng)用與解決方案》《AI 大模型輔助軟件研發(fā)管理與效能提升》和《AI大模型技術(shù)及開發(fā)應(yīng)用實(shí)踐 》更是廣受歡迎，已經(jīng)為幾十家企業(yè)培訓(xùn)，如Autodesk中國(guó)研發(fā)中心，思科（合肥，杭州，上海）研發(fā)中心，中信銀行研發(fā)中心，中信證券研發(fā)中心，平安壽險(xiǎn)，平安產(chǎn)險(xiǎn)，平安銀行，平安租賃，中興（南京，深圳，上海，西安）研發(fā)中心，華為，民航信，NTT DATA，北京體彩，海爾集團(tuán)，聯(lián)想研發(fā)中信，等；作為一名AI技術(shù)專家，對(duì)人工智能的理解深入透徹。他不僅精通AI的編程技術(shù)，還熟悉各種AI工具的使用，尤其在AI行業(yè)應(yīng)用更是有著獨(dú)特的見解和實(shí)踐經(jīng)驗(yàn)；自從2023年以來幫助多家研發(fā)中心做AI輔助開發(fā)效能提升咨詢服務(wù)。同時(shí)也是微軟人工智能認(rèn)證工程師，阿里云AI人工智能訓(xùn)練師。

課程費(fèi)用

5800.00 /人

課程時(shí)長(zhǎng)

2天

成為教練

課程簡(jiǎn)介

本課程旨在幫助大家深入了解和應(yīng)用大模型，從而利用其強(qiáng)大的自然語言處理能力解決各種現(xiàn)實(shí)世界的問題。內(nèi)容包括介紹大型語言模型的基本原理、架構(gòu)和訓(xùn)練方法，幫助大家建立對(duì)大模型的理解和認(rèn)知。深入探討LLAMA在各個(gè)領(lǐng)域的實(shí)際應(yīng)用，包括自動(dòng)文本生成、機(jī)器翻譯、情感分析、問答系統(tǒng)等，幫助大家了解如何將LlAMA應(yīng)用于實(shí)際項(xiàng)目中。

目標(biāo)收益

培訓(xùn)對(duì)象

面向?qū)I(yè)的大模型開發(fā)人員、軟件設(shè)計(jì)師、架構(gòu)師。

課程大綱

第1章 DeepSeek為什么這么火
第一部分: DeepseekV3和R1 推理大模型入門 		1.Deepseek平臺(tái)簡(jiǎn)介
2.Deepseek為什么這么火？ 有什么核心技術(shù)？
3.Deepseek 核心功能與基礎(chǔ)操作
4.Deepseek推理大模型R1和普通大模型V3
5.Deepseek大模型和國(guó)內(nèi)外大模型對(duì)比
6.Deepseek R1推理大模型產(chǎn)品定位、適用場(chǎng)景與核心優(yōu)勢(shì)
7.什么場(chǎng)景適合使用Deepseek R1推理大模型
8.DeepSeek R1 的六個(gè)蒸餾小模型
9.DeepSeek R1 的兩個(gè)MoE大模型
10.DeekSeep大模型還需要提示詞工程嗎？
11.DeekSeep推理大模型為什么簡(jiǎn)化了對(duì)提示詞的要求
12.Deepseek的提問技巧
13.編寫指令的3個(gè)原則
14.挖掘指令的3個(gè)方法
15.編寫指令的7種技巧
16.優(yōu)化答案的6種模板DeepSeek和國(guó)內(nèi)其他大模型對(duì)比（智譜，文心，通義，kimi等）
第2章 DeepSeek大模型原理和部署，微調(diào)
第二部分: DeepSeek原理和優(yōu)化 		1.DeepSeek原理剖析
2.DeepSeek系統(tǒng)軟件優(yōu)化
3.DeepSeek 為什么訓(xùn)練成本低
4.DeepSeek V3模型參數(shù)
5.DeepSeek MoE架構(gòu)
6.DeepSeek 架構(gòu)4方面優(yōu)化
7.DeepSeek R1 論文解讀
8.DeepSeek R1的創(chuàng)新點(diǎn)剖析
9.DeepSeek R1 引發(fā)的創(chuàng)新思考
第三部分: 私有化部署DeepSeek大模型 1.DeepSeek云端部署
2.DeepSeek和國(guó)產(chǎn)信創(chuàng)平臺(tái)適配
3.DeepSeek和國(guó)內(nèi)云平臺(tái)
4.利用Ollama私有化部署DeepSeek大模型
5.使用其他工具私有化部署DeepSeek大模型
6.DeepSeek私有化部署總結(jié)
第四部分: DeepSeek大模型微調(diào)和蒸餾
 1.DeepSeek 大模型微調(diào)
2.大模型指令微調(diào)技術(shù)
3.通用模型的缺點(diǎn)和指令微調(diào)的必要性
4.指令微調(diào)跟BERT時(shí)代Fine-tune之間區(qū)別
5.指令集的收集與格式化
6.指令數(shù)據(jù)集文件制作
7.大模型微調(diào)的三個(gè)階段剖析
8.大模型微調(diào)的兩種方法剖析
第3章 基于DeepSeek大模型API開發(fā)應(yīng)用
第五部分: SeepSeek大模型 API 應(yīng)用開發(fā) 		1.DeepSeek-V3 大模型API
2.DeepSeek-R1推理大模型API
3.DeepSeek模型 & 價(jià)格
4.DeepSeek模型參數(shù)Temperature 設(shè)置
5.DeepSeek模型Token 用量計(jì)算
6.DeepSeek模型錯(cuò)誤碼
7.DeepSeek大模型多輪對(duì)話
8.DeepSeek大模型對(duì)話前綴續(xù)寫（Beta）
9.DeepSeek大模型FIM 補(bǔ)全（Beta）
10.DeepSeek大模型JSON Output
11.DeepSeek大模型Function Calling
12.DeepSeek大模型上下文硬盤緩存
13.文本內(nèi)容補(bǔ)全初探（Text Completion）
14.聊天機(jī)器人初探（Chat Completion）
15.基于DeepSeek開發(fā)智能翻譯助手
16.案例分析
第六部分: DeepSeek大模型對(duì)比其他大模型API（國(guó)外和國(guó)內(nèi)其他） 1.OpenAI大模型API
2.claude大模型API
3.Gemini 大模型API
4.智譜大模型API 介紹
5.使用 GLM-4 API構(gòu)建模型和應(yīng)用
6.基于通義千問大模型API的應(yīng)用與開發(fā)
7.基于百度大模型API應(yīng)用開發(fā)
8.基于字節(jié)，騰訊，華為大模型應(yīng)用開發(fā)
第七部分: DeepSeek大模型API構(gòu)建應(yīng)用程序（12案例，靈活選擇） 1.應(yīng)用程序開發(fā)概述
2.案例項(xiàng)目分析
3.項(xiàng)目1：構(gòu)建新聞稿生成器
4.項(xiàng)目2：語音控制
5.項(xiàng)目3：企業(yè)管理系統(tǒng)MIS應(yīng)用案例分析
6.項(xiàng)目4：某企業(yè)智能管理系統(tǒng)
第4章 DeepSeek和LangChain開發(fā)應(yīng)用
第八部分: ?模型應(yīng)?開發(fā)框架 LangChain 		1.?模型應(yīng)?開發(fā)框架 LangChain
2.LangChain 是什么
3.為什么需要 LangChain
4.LangChain 典型使?場(chǎng)景
5.LangChain 基礎(chǔ)概念與模塊化設(shè)計(jì)
6.LangChain 核?模塊??與實(shí)戰(zhàn)
7.LangChain 的3 個(gè)場(chǎng)景
8.LangChain 的6 大模塊
9.LangChain 的開發(fā)流程
10.創(chuàng)建基于LangChain聊天機(jī)器人
第九部分: 基于DeepSeek和LangChain構(gòu)建文檔問答系統(tǒng) 1.構(gòu)建復(fù)雜LangChain應(yīng)?
2.LangChain模型(Models)：從不同的 LLM 和嵌入模型中進(jìn)行選擇
3. LangChain提示(Prompts)：管理 LLM 輸入
4. LangChain鏈(Chains)：將 LLM 與其他組件相結(jié)合
5. LangChain索引(Indexs)：訪問外部數(shù)據(jù)
6. LangChain記憶(Memory)：記住以前的對(duì)話
7. LangChain代理(Agents)：訪問其他工具
8.使?大模型構(gòu)建文檔問答系統(tǒng)
第5章 DeepSeek構(gòu)建企業(yè)級(jí)RAG知識(shí)庫
第十部分: DeepSeek大模型企業(yè)RAG應(yīng)用 		1.RAG技術(shù)概述
2.加載器和分割器
3.文本嵌入和 向量存儲(chǔ)
4.檢索器和多文檔聯(lián)合檢索
5.RAG技術(shù)的關(guān)鍵挑戰(zhàn)
6.檢索增強(qiáng)生成實(shí)踐
7.RAG技術(shù)文檔預(yù)處理過程
8.RAG技術(shù)文檔檢索過程
第十一部分: 構(gòu)建基于DeepSeek RAG Agent：實(shí)現(xiàn)檢索增強(qiáng)生成 1.何謂檢索增強(qiáng)生成
2.提示工程、RAG與微調(diào)
3.從技術(shù)角度看檢索部分的Pipeline
4.從用戶角度看RAG流程
5.RAG和Agent
6.通過Llamalndex的ReAct RAG Agent實(shí)現(xiàn)檢索
7.獲取井加載電商的財(cái)報(bào)文件
8.將財(cái)報(bào)文件的數(shù)據(jù)轉(zhuǎn)換為向量數(shù)據(jù)
9.構(gòu)建查詢引擎和工具
10.配置文本生成引擎大模型
11.創(chuàng)建Agent以查詢信息
第6章 基于DeepSeek大模型Agent智能體開發(fā)
第十二部分:DeepSeek大模型驅(qū)動(dòng)的Agent智能體開發(fā)概述 		1.智能體的定義與特點(diǎn)
2.智能體與傳統(tǒng)軟件的關(guān)系
3.智能體與LLM的關(guān)系
4.從ChatGPT到智能體
5.智能體的五種能力
6.記憶，規(guī)劃，工具，自主決策，推理
7.多智能體協(xié)作
8.企業(yè)級(jí)智能體應(yīng)用與任務(wù)規(guī)劃
9.智能體開發(fā)
第十三部分: 基于Deepseek和LangChain構(gòu)建Agent 1.通過LangChain中的ReAct框架實(shí)現(xiàn)自動(dòng)定價(jià)
2.LangChain ReAct框架
3.LangChain中ReAct Agent 的實(shí)現(xiàn)
4.LangChain中的工具和工具包
5.通過create_react_agent創(chuàng)建Agent
6.深挖AgentExecutor的運(yùn)行機(jī)制
7.Plan-and-Solve策略的提出
8.LangChain中的Plan-and-Execute Agent
9.通過Plan-and-Execute Agent實(shí)現(xiàn)物流管理
10.為Agent定義一系列進(jìn)行自動(dòng)庫存調(diào)度的工具
第7章 基于DeepSeek大模型—AI產(chǎn)品設(shè)計(jì)
第十四部分:AI人工智能時(shí)代重新定義產(chǎn)品和產(chǎn)品經(jīng)理 		1.人工智能時(shí)代產(chǎn)品的特殊性
2.人工智能是工具，也是新的產(chǎn)品設(shè)計(jì)思維邏輯
3.人工智能技術(shù)給傳統(tǒng)的服務(wù)和產(chǎn)品賦能
4.構(gòu)成人工智能產(chǎn)品的三要素
5.AI產(chǎn)品成功的必要條件
6.AI產(chǎn)品經(jīng)理的價(jià)值定位
7.AI產(chǎn)品經(jīng)理需要兼具“軟硬”實(shí)力
8.AI產(chǎn)品經(jīng)理需要懂技術(shù)
9.AI產(chǎn)品經(jīng)理入門
第8章 DeepSeek大模型應(yīng)用案例分析（案例使用國(guó)內(nèi)外多種大模型）
第十五部分: DeepSeek大模型落地實(shí)戰(zhàn)—上課帶領(lǐng)大家動(dòng)手實(shí)現(xiàn)案例 		1.基于DeepSeek 實(shí)現(xiàn)一個(gè)在線角色扮演互動(dòng)游戲
2.基于DeepSeek 實(shí)現(xiàn)一個(gè)“視頻解說”項(xiàng)目
3.基于DeepSeek 實(shí)現(xiàn)一個(gè)“開啟智能股票分析“項(xiàng)目
4.基于DeepSeek 實(shí)現(xiàn)一個(gè) AI 生成媒體內(nèi)容
5.基于DeepSeek 實(shí)現(xiàn)一個(gè) 大模型在旅游行業(yè)的應(yīng)用
6.基于DeepSeek 實(shí)現(xiàn)一個(gè)完整的RAG知識(shí)庫系統(tǒng)
7.基于DeepSeek 實(shí)現(xiàn)一個(gè)完整的Agent系統(tǒng)自動(dòng)辦理業(yè)務(wù)
第十六部分:大模型技術(shù)在金融業(yè)應(yīng)用的思考與建議 1.大模型技術(shù)在金融業(yè)應(yīng)用的思考與建議
2.大模型技術(shù)的特點(diǎn)及局限性分析
3.大模型技術(shù)在金融領(lǐng)域的適用場(chǎng)景
4.大模型技術(shù)與金融智能營(yíng)銷
5.大模型技術(shù)與金融智能風(fēng)控
6.大模型技術(shù)與金融智能客服
7.大模型技術(shù)與金融虛擬營(yíng)業(yè)廳和數(shù)字人
8.大模型技術(shù)與金融其他通用場(chǎng)景
第十七部分:大模型技術(shù)在電信行業(yè)應(yīng)用 1.DeepSeek大模型技術(shù)在電信行業(yè)應(yīng)用的思考與建議
2.大模型技術(shù)在電信領(lǐng)域的適用場(chǎng)景
3.大模型技術(shù)在電信行業(yè)智能客服
4.大模型技術(shù)在電信應(yīng)用-智能運(yùn)維
5.大模型技術(shù)在電信行業(yè)網(wǎng)絡(luò)運(yùn)維智能化
第十八部分:大模型技術(shù)在其他行業(yè)應(yīng)用 1.大模型技術(shù)在教育科技應(yīng)用-可汗學(xué)院(Khan Academy)
2.大模型技術(shù)在大型企業(yè)數(shù)字化轉(zhuǎn)型應(yīng)用-法務(wù)智能輔助審核
3.大模型技術(shù)在企業(yè)應(yīng)用-安防企業(yè)智能文本審閱系統(tǒng)
4.大模型技術(shù)在互聯(lián)網(wǎng)和傳媒應(yīng)用-智能搜索與推薦系統(tǒng)
5.大模型技術(shù)在建筑行業(yè)應(yīng)用-智能工程圖紙管理
第1章 DeepSeek為什么這么火
第一部分: DeepseekV3和R1 推理大模型入門
1.Deepseek平臺(tái)簡(jiǎn)介
2.Deepseek為什么這么火？ 有什么核心技術(shù)？
3.Deepseek 核心功能與基礎(chǔ)操作
4.Deepseek推理大模型R1和普通大模型V3
5.Deepseek大模型和國(guó)內(nèi)外大模型對(duì)比
6.Deepseek R1推理大模型產(chǎn)品定位、適用場(chǎng)景與核心優(yōu)勢(shì)
7.什么場(chǎng)景適合使用Deepseek R1推理大模型
8.DeepSeek R1 的六個(gè)蒸餾小模型
9.DeepSeek R1 的兩個(gè)MoE大模型
10.DeekSeep大模型還需要提示詞工程嗎？
11.DeekSeep推理大模型為什么簡(jiǎn)化了對(duì)提示詞的要求
12.Deepseek的提問技巧
13.編寫指令的3個(gè)原則
14.挖掘指令的3個(gè)方法
15.編寫指令的7種技巧
16.優(yōu)化答案的6種模板DeepSeek和國(guó)內(nèi)其他大模型對(duì)比（智譜，文心，通義，kimi等）
第2章 DeepSeek大模型原理和部署，微調(diào)
第二部分: DeepSeek原理和優(yōu)化
1.DeepSeek原理剖析
2.DeepSeek系統(tǒng)軟件優(yōu)化
3.DeepSeek 為什么訓(xùn)練成本低
4.DeepSeek V3模型參數(shù)
5.DeepSeek MoE架構(gòu)
6.DeepSeek 架構(gòu)4方面優(yōu)化
7.DeepSeek R1 論文解讀
8.DeepSeek R1的創(chuàng)新點(diǎn)剖析
9.DeepSeek R1 引發(fā)的創(chuàng)新思考
第三部分: 私有化部署DeepSeek大模型
1.DeepSeek云端部署
2.DeepSeek和國(guó)產(chǎn)信創(chuàng)平臺(tái)適配
3.DeepSeek和國(guó)內(nèi)云平臺(tái)
4.利用Ollama私有化部署DeepSeek大模型
5.使用其他工具私有化部署DeepSeek大模型
6.DeepSeek私有化部署總結(jié)
第四部分: DeepSeek大模型微調(diào)和蒸餾
1.DeepSeek 大模型微調(diào)
2.大模型指令微調(diào)技術(shù)
3.通用模型的缺點(diǎn)和指令微調(diào)的必要性
4.指令微調(diào)跟BERT時(shí)代Fine-tune之間區(qū)別
5.指令集的收集與格式化
6.指令數(shù)據(jù)集文件制作
7.大模型微調(diào)的三個(gè)階段剖析
8.大模型微調(diào)的兩種方法剖析
第3章 基于DeepSeek大模型API開發(fā)應(yīng)用
第五部分: SeepSeek大模型 API 應(yīng)用開發(fā)
1.DeepSeek-V3 大模型API
2.DeepSeek-R1推理大模型API
3.DeepSeek模型 & 價(jià)格
4.DeepSeek模型參數(shù)Temperature 設(shè)置
5.DeepSeek模型Token 用量計(jì)算
6.DeepSeek模型錯(cuò)誤碼
7.DeepSeek大模型多輪對(duì)話
8.DeepSeek大模型對(duì)話前綴續(xù)寫（Beta）
9.DeepSeek大模型FIM 補(bǔ)全（Beta）
10.DeepSeek大模型JSON Output
11.DeepSeek大模型Function Calling
12.DeepSeek大模型上下文硬盤緩存
13.文本內(nèi)容補(bǔ)全初探（Text Completion）
14.聊天機(jī)器人初探（Chat Completion）
15.基于DeepSeek開發(fā)智能翻譯助手
16.案例分析
第六部分: DeepSeek大模型對(duì)比其他大模型API（國(guó)外和國(guó)內(nèi)其他）
1.OpenAI大模型API
2.claude大模型API
3.Gemini 大模型API
4.智譜大模型API 介紹
5.使用 GLM-4 API構(gòu)建模型和應(yīng)用
6.基于通義千問大模型API的應(yīng)用與開發(fā)
7.基于百度大模型API應(yīng)用開發(fā)
8.基于字節(jié)，騰訊，華為大模型應(yīng)用開發(fā)
第七部分: DeepSeek大模型API構(gòu)建應(yīng)用程序（12案例，靈活選擇）
1.應(yīng)用程序開發(fā)概述
2.案例項(xiàng)目分析
3.項(xiàng)目1：構(gòu)建新聞稿生成器
4.項(xiàng)目2：語音控制
5.項(xiàng)目3：企業(yè)管理系統(tǒng)MIS應(yīng)用案例分析
6.項(xiàng)目4：某企業(yè)智能管理系統(tǒng)
第4章 DeepSeek和LangChain開發(fā)應(yīng)用
第八部分: ?模型應(yīng)?開發(fā)框架 LangChain
1.?模型應(yīng)?開發(fā)框架 LangChain
2.LangChain 是什么
3.為什么需要 LangChain
4.LangChain 典型使?場(chǎng)景
5.LangChain 基礎(chǔ)概念與模塊化設(shè)計(jì)
6.LangChain 核?模塊??與實(shí)戰(zhàn)
7.LangChain 的3 個(gè)場(chǎng)景
8.LangChain 的6 大模塊
9.LangChain 的開發(fā)流程
10.創(chuàng)建基于LangChain聊天機(jī)器人
第九部分: 基于DeepSeek和LangChain構(gòu)建文檔問答系統(tǒng)
1.構(gòu)建復(fù)雜LangChain應(yīng)?
2.LangChain模型(Models)：從不同的 LLM 和嵌入模型中進(jìn)行選擇
3. LangChain提示(Prompts)：管理 LLM 輸入
4. LangChain鏈(Chains)：將 LLM 與其他組件相結(jié)合
5. LangChain索引(Indexs)：訪問外部數(shù)據(jù)
6. LangChain記憶(Memory)：記住以前的對(duì)話
7. LangChain代理(Agents)：訪問其他工具
8.使?大模型構(gòu)建文檔問答系統(tǒng)
第5章 DeepSeek構(gòu)建企業(yè)級(jí)RAG知識(shí)庫
第十部分: DeepSeek大模型企業(yè)RAG應(yīng)用
1.RAG技術(shù)概述
2.加載器和分割器
3.文本嵌入和 向量存儲(chǔ)
4.檢索器和多文檔聯(lián)合檢索
5.RAG技術(shù)的關(guān)鍵挑戰(zhàn)
6.檢索增強(qiáng)生成實(shí)踐
7.RAG技術(shù)文檔預(yù)處理過程
8.RAG技術(shù)文檔檢索過程
第十一部分: 構(gòu)建基于DeepSeek RAG Agent：實(shí)現(xiàn)檢索增強(qiáng)生成
1.何謂檢索增強(qiáng)生成
2.提示工程、RAG與微調(diào)
3.從技術(shù)角度看檢索部分的Pipeline
4.從用戶角度看RAG流程
5.RAG和Agent
6.通過Llamalndex的ReAct RAG Agent實(shí)現(xiàn)檢索
7.獲取井加載電商的財(cái)報(bào)文件
8.將財(cái)報(bào)文件的數(shù)據(jù)轉(zhuǎn)換為向量數(shù)據(jù)
9.構(gòu)建查詢引擎和工具
10.配置文本生成引擎大模型
11.創(chuàng)建Agent以查詢信息
第6章 基于DeepSeek大模型Agent智能體開發(fā)
第十二部分:DeepSeek大模型驅(qū)動(dòng)的Agent智能體開發(fā)概述
1.智能體的定義與特點(diǎn)
2.智能體與傳統(tǒng)軟件的關(guān)系
3.智能體與LLM的關(guān)系
4.從ChatGPT到智能體
5.智能體的五種能力
6.記憶，規(guī)劃，工具，自主決策，推理
7.多智能體協(xié)作
8.企業(yè)級(jí)智能體應(yīng)用與任務(wù)規(guī)劃
9.智能體開發(fā)
第十三部分: 基于Deepseek和LangChain構(gòu)建Agent
1.通過LangChain中的ReAct框架實(shí)現(xiàn)自動(dòng)定價(jià)
2.LangChain ReAct框架
3.LangChain中ReAct Agent 的實(shí)現(xiàn)
4.LangChain中的工具和工具包
5.通過create_react_agent創(chuàng)建Agent
6.深挖AgentExecutor的運(yùn)行機(jī)制
7.Plan-and-Solve策略的提出
8.LangChain中的Plan-and-Execute Agent
9.通過Plan-and-Execute Agent實(shí)現(xiàn)物流管理
10.為Agent定義一系列進(jìn)行自動(dòng)庫存調(diào)度的工具
第7章 基于DeepSeek大模型—AI產(chǎn)品設(shè)計(jì)
第十四部分:AI人工智能時(shí)代重新定義產(chǎn)品和產(chǎn)品經(jīng)理
1.人工智能時(shí)代產(chǎn)品的特殊性
2.人工智能是工具，也是新的產(chǎn)品設(shè)計(jì)思維邏輯
3.人工智能技術(shù)給傳統(tǒng)的服務(wù)和產(chǎn)品賦能
4.構(gòu)成人工智能產(chǎn)品的三要素
5.AI產(chǎn)品成功的必要條件
6.AI產(chǎn)品經(jīng)理的價(jià)值定位
7.AI產(chǎn)品經(jīng)理需要兼具“軟硬”實(shí)力
8.AI產(chǎn)品經(jīng)理需要懂技術(shù)
9.AI產(chǎn)品經(jīng)理入門
第8章 DeepSeek大模型應(yīng)用案例分析（案例使用國(guó)內(nèi)外多種大模型）
第十五部分: DeepSeek大模型落地實(shí)戰(zhàn)—上課帶領(lǐng)大家動(dòng)手實(shí)現(xiàn)案例
1.基于DeepSeek 實(shí)現(xiàn)一個(gè)在線角色扮演互動(dòng)游戲
2.基于DeepSeek 實(shí)現(xiàn)一個(gè)“視頻解說”項(xiàng)目
3.基于DeepSeek 實(shí)現(xiàn)一個(gè)“開啟智能股票分析“項(xiàng)目
4.基于DeepSeek 實(shí)現(xiàn)一個(gè) AI 生成媒體內(nèi)容
5.基于DeepSeek 實(shí)現(xiàn)一個(gè) 大模型在旅游行業(yè)的應(yīng)用
6.基于DeepSeek 實(shí)現(xiàn)一個(gè)完整的RAG知識(shí)庫系統(tǒng)
7.基于DeepSeek 實(shí)現(xiàn)一個(gè)完整的Agent系統(tǒng)自動(dòng)辦理業(yè)務(wù)
第十六部分:大模型技術(shù)在金融業(yè)應(yīng)用的思考與建議
1.大模型技術(shù)在金融業(yè)應(yīng)用的思考與建議
2.大模型技術(shù)的特點(diǎn)及局限性分析
3.大模型技術(shù)在金融領(lǐng)域的適用場(chǎng)景
4.大模型技術(shù)與金融智能營(yíng)銷
5.大模型技術(shù)與金融智能風(fēng)控
6.大模型技術(shù)與金融智能客服
7.大模型技術(shù)與金融虛擬營(yíng)業(yè)廳和數(shù)字人
8.大模型技術(shù)與金融其他通用場(chǎng)景
第十七部分:大模型技術(shù)在電信行業(yè)應(yīng)用
1.DeepSeek大模型技術(shù)在電信行業(yè)應(yīng)用的思考與建議
2.大模型技術(shù)在電信領(lǐng)域的適用場(chǎng)景
3.大模型技術(shù)在電信行業(yè)智能客服
4.大模型技術(shù)在電信應(yīng)用-智能運(yùn)維
5.大模型技術(shù)在電信行業(yè)網(wǎng)絡(luò)運(yùn)維智能化
第十八部分:大模型技術(shù)在其他行業(yè)應(yīng)用
1.大模型技術(shù)在教育科技應(yīng)用-可汗學(xué)院(Khan Academy)
2.大模型技術(shù)在大型企業(yè)數(shù)字化轉(zhuǎn)型應(yīng)用-法務(wù)智能輔助審核
3.大模型技術(shù)在企業(yè)應(yīng)用-安防企業(yè)智能文本審閱系統(tǒng)
4.大模型技術(shù)在互聯(lián)網(wǎng)和傳媒應(yīng)用-智能搜索與推薦系統(tǒng)
5.大模型技術(shù)在建筑行業(yè)應(yīng)用-智能工程圖紙管理

課程費(fèi)用

5800.00 /人

課程時(shí)長(zhǎng)

2天

預(yù)約體驗(yàn)票 我要分享

近期公開課推薦

近期公開課推薦

活動(dòng)詳情

提交需求