工程師
其他
機器學(xué)習(xí)
工程師
Java
Python
API
研發(fā)效能
大模型
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

AI大模型應(yīng)用、Agent開發(fā)及垂直模型微調(diào)

阿里云MVP 技術(shù)顧問 CTO

阿里云MVP,華為HCDE成員|技術(shù)作者
業(yè)界資深技術(shù)專家,從事開發(fā)和架構(gòu)工作近10年,擅長Java/Python體系下各類技術(shù)棧、擁有微服務(wù)、分布式高并發(fā)、AI&機器學(xué)習(xí)、大數(shù)據(jù)亞臺系統(tǒng)架構(gòu)經(jīng)驗,曾相任多家創(chuàng)業(yè)公司CTO、合伙人,負(fù)責(zé)研發(fā)線所有產(chǎn)品技術(shù)架構(gòu)、團(tuán)隊管理等工作,開發(fā)了多款金融、風(fēng)控大數(shù)據(jù)、SaaS、區(qū)塊鏈等產(chǎn)品。
曾出版技術(shù)書籍《Akka實戰(zhàn): 快速構(gòu)建高可用分布式應(yīng)用》,受到多位業(yè)界知名技術(shù)專家聯(lián)名推薦作序,該書是國內(nèi)首本原創(chuàng)相關(guān)書籍。曾出版譯著《軟件開發(fā)實踐項目驅(qū)動式的Java開發(fā)指南》
曾受邀為HP、通用、中郵、亞安、建行、華泰等中外企業(yè)進(jìn)行技術(shù)咨詢、培訓(xùn)等。

阿里云MVP,華為HCDE成員|技術(shù)作者 業(yè)界資深技術(shù)專家,從事開發(fā)和架構(gòu)工作近10年,擅長Java/Python體系下各類技術(shù)棧、擁有微服務(wù)、分布式高并發(fā)、AI&機器學(xué)習(xí)、大數(shù)據(jù)亞臺系統(tǒng)架構(gòu)經(jīng)驗,曾相任多家創(chuàng)業(yè)公司CTO、合伙人,負(fù)責(zé)研發(fā)線所有產(chǎn)品技術(shù)架構(gòu)、團(tuán)隊管理等工作,開發(fā)了多款金融、風(fēng)控大數(shù)據(jù)、SaaS、區(qū)塊鏈等產(chǎn)品。 曾出版技術(shù)書籍《Akka實戰(zhàn): 快速構(gòu)建高可用分布式應(yīng)用》,受到多位業(yè)界知名技術(shù)專家聯(lián)名推薦作序,該書是國內(nèi)首本原創(chuàng)相關(guān)書籍。曾出版譯著《軟件開發(fā)實踐項目驅(qū)動式的Java開發(fā)指南》 曾受邀為HP、通用、中郵、亞安、建行、華泰等中外企業(yè)進(jìn)行技術(shù)咨詢、培訓(xùn)等。

課程費用

5800.00 /人

課程時長

2

成為教練

課程簡介

每當(dāng)有新技術(shù)突破的時候,最流行的句式是“所有業(yè)務(wù)都可以用XX實現(xiàn)一遍”。AI大模型的突破,讓所有人再次躍躍欲試。作為工程師,我們有機會站在驅(qū)動業(yè)務(wù)重構(gòu)的最前沿,這里面有巨大的機會。在以傳統(tǒng)機器學(xué)習(xí)為代表的類AI階段,大家在技術(shù)層面往往會陷入語言/庫之爭,Python作為AI的門面語言,受到了極大關(guān)注,但同時也讓非Python的工程師陷入兩難:我要放棄現(xiàn)有的技術(shù)棧么?大模型的突破,讓這一切不是問題。首先,AI大模型在應(yīng)用層,API極為簡單,對于有其他語言經(jīng)驗的工程師來講并非難事。其次,過去的機器學(xué)習(xí)等知識體系,在大模型時代已沒有特別大的必要去深入了(當(dāng)然,了解更好)。過去在了解部分底層算法的前提下做調(diào)參,而現(xiàn)在調(diào)好prompt就可以了(當(dāng)然,要用好它也不容易)。最后呢,目前各家語言平臺都在快速跟進(jìn)對AI的支持,比如Java方面,SpringAI提供了對AI Agent開發(fā)的支持。整體來說,AI產(chǎn)品開發(fā)和傳統(tǒng)產(chǎn)品開發(fā),最核心的點是:設(shè)計/開發(fā)/測試模式的變化。要理解這一點,必需先了解AI大模型本身的特點,及周邊的生態(tài)。
那么,既然AI大模型的應(yīng)用門檻不高,我們工程師該怎樣基于AI構(gòu)建自己的最核心競爭力,拓寬技術(shù)護(hù)城河,并持續(xù)賦能業(yè)務(wù)呢?這是我們本次課程的目標(biāo)。
本次課程將從AI大模型行業(yè)現(xiàn)狀、行業(yè)典型案例及實現(xiàn)、AI發(fā)展路線圖、基于Copilot/Cursor等智能編碼工具的研發(fā)效能提升、大模型核心邏輯、Prompt工程及調(diào)優(yōu)、大模型應(yīng)用開發(fā)、開源大模型微調(diào)流程等多個方面,從概念+實踐的角度去學(xué)習(xí)最前沿的AI知識,從0打造AI時代的全棧護(hù)城河。

目標(biāo)收益

培訓(xùn)對象

1、適合想進(jìn)入AI領(lǐng)域,或者利用AI提升工作效能的工程師。
2、適合想開發(fā)AI產(chǎn)品,或者使用開源大模型構(gòu)建垂直業(yè)務(wù)模型的工程師。
3、適合想更全面判斷AI趨勢、或者利用AI為現(xiàn)有業(yè)務(wù)賦能的技術(shù)管理者。

課程大綱

引子 AI大模型通識、生態(tài)與發(fā)展;Prompt工程與應(yīng)用、AI Agent應(yīng)用開發(fā)、開源大模型微調(diào)與推理等
第一單元
AI大模型通識
1.AI大模型通識
1.1大模型的定義與特點
1.2大模型的分類與應(yīng)用
1.3大模型的底層工作原理
1.4開源 vs 閉源大模型
1.5Token模式與定價

2.AI大模型生態(tài)及發(fā)展
2.1國內(nèi)外主流大模型介紹
2.2AI+賦能場景案例介紹
第二單元
Prompt應(yīng)用、模式與工程
3.Prompt工程與實踐
3.1Prompt核心要素與案例
3.2Prompt常見思維框架
3.3如何理解思維鏈 vs 思維樹
3.4Prompt的攻擊/安全問題
3.5Prompt工程≈軟件工程
第三單元
AI與工程師
4.編碼大模型與工具
4.1智能編碼目前包含哪些能力
4.2常見智能編碼模型(Codex、DeepSeek Coder、CodeLlama等)
4.3Agent模式下的
Copilot/Cursor/Trae應(yīng)用
4.4AI輔助下的全棧開發(fā)工作流

5.AI重塑產(chǎn)/研/測
5.1AI與產(chǎn)品經(jīng)理
5.2AI與研發(fā)工程師
5.3AI與測試工程師
第四單元
AI Agent應(yīng)用開發(fā)實戰(zhàn)
6.AI Agent工程與案例
6.1Agent應(yīng)用模式與架構(gòu)
6.2案例:斯坦福小鎮(zhèn)

7.Agent應(yīng)用開發(fā)實踐
7.1快速實現(xiàn)一個Chat程序
7.2核心參數(shù)列表
model參數(shù)
角色與指令
7.3實現(xiàn)多輪對話
7.4Function Calling機制
7.5實現(xiàn)智能訂餐助手
7.6數(shù)據(jù)與函數(shù)準(zhǔn)備
7.7工具(函數(shù))調(diào)用
7.8緩解幻覺問題

8.大模型開發(fā)框架LangChain
8.1LangChain介紹
8.2LangChain概念與組件
8.3LangChain安裝與配置
8.4LangChain表達(dá)式語言:LCEL
8.5LangServe服務(wù)部署
8.6使用LangChain構(gòu)建數(shù)據(jù)分析Agent
8.7使用LangGraph構(gòu)建/編排復(fù)雜Agent工作流

9.從零搭建基于知識庫的智能客服系統(tǒng)
9.1知識庫是什么?
9.2理解RAG與Embedding
9.3向量數(shù)據(jù)庫與語義檢索
9.4搭建企業(yè)智能客服系統(tǒng)

10.AI Agent工具搭建與編排
10.1使用Dify平臺搭建Agent應(yīng)用
10.2使用Coze平臺搭建工作流
第五單元
開源大模型及微調(diào)/推理方案
11.開源大模型:垂直模型的基座
11.1開源大模型串講:Llama3、ChatGLM3/4、Qwen、DeepSeek
11.2快速搭建本地開源模型環(huán)境(ollama+openwebui)
11.3Hugging Face:AI界的Github
11.4開源微調(diào):構(gòu)建基于垂直行業(yè)的私有大模型(基于PEFT/LoRA、Llama-Factory)
11.5基于vLLM搭建模型推理服務(wù)
11.6基于開源模型構(gòu)建Agent應(yīng)用
11.7多模態(tài)大模型(視覺理解/目標(biāo)檢測)
11.8延展:GPU/顯卡、LPU推理引擎等交付資源選型。
引子
AI大模型通識、生態(tài)與發(fā)展;Prompt工程與應(yīng)用、AI Agent應(yīng)用開發(fā)、開源大模型微調(diào)與推理等
第一單元
AI大模型通識
1.AI大模型通識
1.1大模型的定義與特點
1.2大模型的分類與應(yīng)用
1.3大模型的底層工作原理
1.4開源 vs 閉源大模型
1.5Token模式與定價

2.AI大模型生態(tài)及發(fā)展
2.1國內(nèi)外主流大模型介紹
2.2AI+賦能場景案例介紹
第二單元
Prompt應(yīng)用、模式與工程
3.Prompt工程與實踐
3.1Prompt核心要素與案例
3.2Prompt常見思維框架
3.3如何理解思維鏈 vs 思維樹
3.4Prompt的攻擊/安全問題
3.5Prompt工程≈軟件工程
第三單元
AI與工程師
4.編碼大模型與工具
4.1智能編碼目前包含哪些能力
4.2常見智能編碼模型(Codex、DeepSeek Coder、CodeLlama等)
4.3Agent模式下的
Copilot/Cursor/Trae應(yīng)用
4.4AI輔助下的全棧開發(fā)工作流

5.AI重塑產(chǎn)/研/測
5.1AI與產(chǎn)品經(jīng)理
5.2AI與研發(fā)工程師
5.3AI與測試工程師
第四單元
AI Agent應(yīng)用開發(fā)實戰(zhàn)
6.AI Agent工程與案例
6.1Agent應(yīng)用模式與架構(gòu)
6.2案例:斯坦福小鎮(zhèn)

7.Agent應(yīng)用開發(fā)實踐
7.1快速實現(xiàn)一個Chat程序
7.2核心參數(shù)列表
model參數(shù)
角色與指令
7.3實現(xiàn)多輪對話
7.4Function Calling機制
7.5實現(xiàn)智能訂餐助手
7.6數(shù)據(jù)與函數(shù)準(zhǔn)備
7.7工具(函數(shù))調(diào)用
7.8緩解幻覺問題

8.大模型開發(fā)框架LangChain
8.1LangChain介紹
8.2LangChain概念與組件
8.3LangChain安裝與配置
8.4LangChain表達(dá)式語言:LCEL
8.5LangServe服務(wù)部署
8.6使用LangChain構(gòu)建數(shù)據(jù)分析Agent
8.7使用LangGraph構(gòu)建/編排復(fù)雜Agent工作流

9.從零搭建基于知識庫的智能客服系統(tǒng)
9.1知識庫是什么?
9.2理解RAG與Embedding
9.3向量數(shù)據(jù)庫與語義檢索
9.4搭建企業(yè)智能客服系統(tǒng)

10.AI Agent工具搭建與編排
10.1使用Dify平臺搭建Agent應(yīng)用
10.2使用Coze平臺搭建工作流
第五單元
開源大模型及微調(diào)/推理方案
11.開源大模型:垂直模型的基座
11.1開源大模型串講:Llama3、ChatGLM3/4、Qwen、DeepSeek
11.2快速搭建本地開源模型環(huán)境(ollama+openwebui)
11.3Hugging Face:AI界的Github
11.4開源微調(diào):構(gòu)建基于垂直行業(yè)的私有大模型(基于PEFT/LoRA、Llama-Factory)
11.5基于vLLM搭建模型推理服務(wù)
11.6基于開源模型構(gòu)建Agent應(yīng)用
11.7多模態(tài)大模型(視覺理解/目標(biāo)檢測)
11.8延展:GPU/顯卡、LPU推理引擎等交付資源選型。

課程費用

5800.00 /人

課程時長

2

預(yù)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