《大模型企业全栈设计师培养训练营》
|
单元 | 大纲 | 内容 |
单元一 | AI大模型技术概览 | 一.大模型的定义与特点 1.1 大模型的概念及发展历程 1.2 大模型的技术架构与核心原理 二.大模型与其他AI技术的比较 2.1 传统AI技术的局限性 2.2 大模型在数据处理、学习能力等方面的优势 三.大模型的应用前景及挑战 3.1 大模型在各行业的应用潜力 3.2 技术发展面临的挑战与机遇 |
单元二 | 大模型中的PROMPT语言学习 | 认知:把AI当人看 原理:
|
单元三 | 大模型中的API | 认知:自然语言链接一切 原理:用微调提升prompt的稳定性 实战工具及要素:
|
单元四 | 大模型中的RAG | 认知:从关键词搜索转为向量搜索 原理:Embeddings 实用工具:
|
单元六 | 大模型中的工具栈 | 认知:
实用工具:
|
单元七: | 大模型中的FINE-TUNING | 1.认知:微调仍是炼丹 2.原理:机器学习,大模型训练,微调 3.实战工具:求解器,损失函数,超参,过拟合/欠拟合 学习率 |
单元八 | 多模态中的大语言 | 认知:传统CV仍有价值 原理:特征对其 实战工具: VisionTransformer,CLIP,Q-Former,GPT-4V,Gemini LLaVA 图像生成模型:DM,SD,MJ,DALLE,LORA |
单元九 | 大模型中的产品设计 | 1.认知:Copilot 模式vs. Agent 模式,产品经理调prompt 2.原理:商业逻辑,用户体验 3.实战工具:需求分析,生成式 AI 产品设计原则,Collaborative UX,draw.io,产品迭代,产品运营 业务沟通 |
单元十 | 大模型产品的交付 | 认知:向量型数据库选型原理 实战工具:GPU/云厂商选型,向量数据库选型,私有化部署,推理性能优化,高可用架构,内容安全,算法备案 |
系列 | 学员带电脑出方案 | 内容 |
单元一 | 帮助学员共同找出应用场景 | 根据老师给出的需求场景方法论找到合适的大模型应用场景。 |
单元二 | 协同学员一起找到大模型应用方案 | 协同学员一起找到大模型应用落地的方案 |
单元三 | 协同学员进行实战落地 | 老师及其他团队学员对落地方案进行提问和复盘,实战落地辅导。 |
单元四 | 总结评分 | 由老师和学员代表对做出的落地方案进行评分总结。 |