GenAI_创新工作坊课程大纲-V1.0

• 模块一：基础铺垫 (30分钟)
  • 欢迎致辞与项目背景介绍
  • 重点：工作坊核心目标强调
  • 讲师与学员互相介绍，建立积极互动氛围
  • 分组情况说明与团队建设小活动
• 模块二： GenAI 浪潮与行业洞察 (90分钟)
  • GenAI 技术概览与发展趋势分析
  • GenAI 应用案例 Case studies
    • 重点：工业软件领域 GenAI 创新应用深度剖析  （设计优化、智能建模、代码辅助生成、仿真加速 等，结合具体平台和工具）
    • 重点：软件测试领域 GenAI 赋能实践（智能测试用例生成、缺陷智能分析与预测、测试流程自动 化等，结合实际案例）
    • 重点：国内外知名大厂 GenAI 战略与实践分享 （案例选择侧重于与公司业务相关的行业）
  • Agentic AI：自主智能体的崛起
    • 核心概念、关键技术与应用场景展望
    • Agentic AI 在行业创新中的潜在价值
  • 互动讨论与案例分析： GenAI 和 Agentic AI 如何驱动企业创新变革？
• 模块三： DeepSeek 核心理论与技术解析 (90分钟)
  • DeepSeek 基础核心理论
    • 重点：深入解读 DeepSeek 模型系列的核心架构（Transformer 结构演进、关键创新点）
    • 重点： DeepSeek 模型预训练与微调策略分析 （数据、算力、优化算法等）
    • 重点：基于已发表论文，剖析 DeepSeek 在上下文学习、长文本处理等方面的优势
    • DeepSeek 与主流开源及闭源大模型的对比分析（技术特点、应用场景）
  • 核心技术解析与算法创新
    • 重点： MOE (Mixture of Experts) 机制详解：稀疏激活、模型容量扩展、在 DeepSeek 和其他先 进模型中的应用
    • 重点： MLA (Meta-Learning for Adaptation) 概念与应用：快速适应新任务和领域的方法
    • 重点： GPRO (Graph-based Prompting) 原理与实践：如何利用图结构信息增强模型推理和理解 能力

• 模块四：AI 助力 EDA 算法创新 (60分钟)
  • AI 如何助力 EDA 算法开发
    • 重点：基于 AI 的数学建模方法与实践：数据驱动的建模、物理信息融合建模等在 EDA 中的应用
    • 重点：线性/非线性拟合的 AI 模型与技巧：神经网络拟合、集成学习方法在 EDA 参数优化中的应用
    • 重点：求解常/偏微分方程的 AI 方法：神经网络求解 PDE、代理模型构建等在 EDA 仿真加速中的 
  • 应用案例
    • 案例分析与讨论： AI 技术在 EDA 流程中的关键环节和潜在突破点
• 模块五：强化学习与知识图谱基础 (60分钟)
  • 强化学习基础概念与应用场景
    • 核心概念（状态、动作、奖励、策略）与基本算法（如 Q-learning 、Policy Gradient）
    • 重点：强化学习在 EDA 优化、芯片设计等领域的潜在应用案例
  • 图数据库与知识库简介
    • 图数据库的核心概念与优势（节点、边、关系）
    • 知识图谱的构建与应用（实体识别、关系抽取、推理问答）
    • 图数据库和知识图谱如何赋能大模型，提升推理和知识检索能力
• 模块六：动手实验准备与提示词工程 (90分钟)
  • 提示词工程 (Prompt engineering) 和辅助工具提质增效
    • 重点： Prompt 的基本结构与关键要素 （指令、上下文、示例、格式）
    • 重点：针对不同任务（文本生成、代码生成、信息抽取、推理问答等）的提示词设计原则与高级技 巧
    • 重点：常用提示词优化策略实战演练（ Few-shot Learning 、Chain-of-Thought 、Tree of Thoughts 等）
    • 重点：介绍并演示提示词工程辅助工具的使用 （如 Prompt 模板库、 Prompt 调试平台等） 
  • 针对不同任务设计 Prompt
    • 文本摘要 (Summarization)
    • 内容生成 (Content Generation)
    • 问题回答 (Question Answering)
    • 文本翻译 (Translation)
    • 代码生成 (Code Generation)
  • Prompt 优化与评估
    • 使用评估指标 (BLEU, ROUGE, etc.) 评估 Prompt 效果
    • A/B 测试不同 Prompt 变体
    • Prompt 注入攻击防范
  • 小组讨论：结合上午学习内容，初步设计针对 DeepSeek 模型和 EDA 相关任务的提示词实践方案

• 模块七： Hands-on Labs： DeepSeek R1 模型蒸馏实践 (180分钟)
  • 掌握： DeepSeek R1 – distillation Step-by-Step 及实操实验室
    • 重点：回顾 DeepSeek R1 模型结构与特点
    • 重点：深入讲解模型蒸馏 (Distillation) 的原理、意义和流程 （软标签、知识转移、温度系数等） 重点：Step-by-Step 带领学员进行 DeepSeek R1 模型蒸馏实验 （提供详细的代码和操作指导）
    • 重点：实验过程中常见问题分析与故障排除

• 模块八： Hands-on Labs：大模型部署与应用实践 (150分钟)
  • 掌握：模型部署
    • 重点：常见大模型部署方案对比分析（本地部署、云端部署、 API 部署、边缘部署等，优缺点、适 用场景）
      
    • 重点：选择至少一种适合 DeepSeek R1 的部署方案进行详细讲解和实践操作（例如，使用 Hugging Face Transformers 库进行本地部署或云端推理服务部署）
    • 重点：模型推理性能评估与优化技巧 （延迟、吞吐量、资源占用等）
    • 重点：如何将部署好的模型应用于实际场景 （例如，构建简单的问答系统或代码生成工具） 
  • Hands-on Labs 以小组为单位，确保每组都能完成模型部署和简单应用
• 模块九：小组实验分享与阶段性总结 (60分钟)
  • 精心设计并组织小组间的实验分享环节
    • 重点：每个小组需全方位展示其实验过程、遇到的问题、解决方案、实验成果与心得体会
    • 鼓励小组间互相提问、交流和学习
  • 讲师依据既定的评价标准进行阶段性打分，并对各小组的表现进行针对性点评与总结 

• 模块十： LLM 性能评估与经济性考量 (60分钟)
  • 了解： LLM 性能评估
    • 常用评估指标深入解析（如准确率、召回率、F1 值、 BLEU 、ROUGE 、Perplexity 等）
    • 重点：针对 DeepSeek 等大模型的特定评估方法和基准测试介绍
    • 主观评估与用户反馈的重要性
    • 讨论如何根据实际应用场景选择合适的评估指标
• 模块十一： LLM 经济性影响与未来趋势 (60分钟)
  • 了解： LLM 性能评估和经济性影响
    • 大模型训练成本、推理成本构成分析
    • 模型压缩、量化、剪枝等降低成本的技术手段
    • 选择高性价比模型和部署方案的策略
  • 了解：大模型未来研究方向
    • 重点：可解释性 AI (XAI) 的重要性与研究进展
    • 重点：通用人工智能 (AGI) 的愿景与当前挑战
    • 多模态学习、长期记忆、持续学习等前沿技术趋势探讨
• 模块十二：创新思维与项目构想 (60分钟)
  • 创新方法论介绍（头脑风暴、设计思维等）
  • 重点：引导学员结合所学知识，针对公司产品研发、业务流程优化等领域，提出创新性技术应用设想 
  • 小组讨论与初步方案构思

• 模块十三：小组创新项目汇报与评审 (120分钟)
  • 每个小组展示其创新性技术应用设想（不少于 10 个总体目标）
  • 汇报内容包括：问题定义、解决方案、技术可行性分析、潜在价值与影响等
  • 讲师及公司代表进行评审，提供反馈和建议
• 模块十四：技术问题互动与知识巩固 (30分钟)
  • 精心筹备一系列紧扣培训内容的技术问题穿插在工作坊当中，鼓励深度探讨
  • 学员自由提问，讲师进行深入解答
• 模块十五：工作坊总结与反馈 (30分钟)
  • 提供英文版本工作坊反馈问卷
  • 学员填写反馈问卷
  • 讲师总结工作坊的核心内容、亮点与成果，并对学员提出期望
  • 颁发培训证书，发放礼物，感谢学员的积极参与

本课程大纲在之前的版本基础上进行了更详细的展开，加入了更多细节和逻辑，以便更好地理解和执行。 实际课程安排可能会根据学员的反馈和现场情况进行微调。

讲师将准备丰富的案例、互动环节和实践练习，确保培训的有效性和吸引力。