课程大纲 |
大语言模型LLM简介 |
- 什么是大型语言模型?
- GPT系列模型概述
- chatGPT和GPT的关系
- AIGC和LLM的关系
- 开源模型 vs 闭源模型
- 单模态 vs 多模态
- AIGC的三大应用领域
- 应用案例和潜在能力
- 实战案例演示(文本生成+文生图)
|
大语言模型LLM的基本原理 |
- 大语言模型“大”在哪里
- 大语言模型的基本原理
- 大语言模型的训练过程
- chatGPT的三阶段训练
- 大语言模型的不可解释性
- 大语言模型和搜索引擎的区别与联系
- 国内使用chatGPT的主要途径
|
大语言模型本地部署实战 |
- 本地部署的基础知识
- 本地安装ollama
- 本地部署Deepseek R1
- 本地部署Llama 3.3
- 本地安装open-webui
- 本地部署实现RAG
|
DeepSeek大模型基础与使用进阶 |
- DeepSeek与传统LLM的主要区别
- 从DeepSeek R1 Zero到DeepSeek R1
- DeepSeek R1和OpenAI O1模型的对比总结
- 预训练范式 vs 推理计算范式
- 多头潜在注意力机制MLA
- 混合专家架构MoE
- DeepSeekMoE的关键创新
- 对传统大模型的挑战和机遇
- DeepSeek的常见误解与详细解读
|
大语言模型LLM加持下的全新商业模式(独家干货) |
- 文生文的各类应用场景(独家案例)
- 文生文行业产品分析(独家案例)
- 文生图的各类应用场景(独家案例)
- 文生图行业产品分析(独家案例)
- 文生视频的各类应用场景(独家案例)
- 文生视频行业产品分析(独家案例)
- AIGC全球商业案例与产品创新(上)(独家案例)
- AIGC全球商业案例与产品创新(下)(独家案例)
|
大语言模型LLM对传统行业的赋能 |
- 提效级创新
- 开创性创新 VS 微创新
- 在办公行业的提效案例
- 在数据分析行业的提效案例
- 在招聘行业的提效案例
- 在广告文案行业的提效案例
- 在销售行业的提效案例
- 在研发效能提升领域的案例
|
如何使用好LLM |
- 什么是提示词工程?
- 如何构建有效的提示
- 常见的提示类型(信息检索、创意写作、编程等)
- 提示的格式和结构
- 使用反馈循环进行迭代
- 跟踪和分析结果
- 私域知识扩展
- RAG技术详解与应用场景
- 什么是模型的涌现能力
- 什么是思维链
- 上下文学习zero-shot和few-shot
- 提示词的agent模式
- 有效使用提示词模板
- 提示词攻击
|
ChatGPT的未来发展和应用前景 |
- ChatGPT的未来发展方向
- ChatGPT在各行业中的应用前景
- ChatGPT与其他人工智能技术的关系和比较
- ChatGPT的风险与不确定性应对
- ChatGPT的技术演化方向
- ChatGPT的法律风险
- ChatGPT的哲学思考
|
大语言模型的局限性 |
- 安全性和隐私
- 伦理使用指南
- 暗知识的局限性
- 知识平权场景下的LLM
|
LLM(chatGPT)在PC行业的各类应用解读 |
- 智能客服:提供24/7在线支持,快速解答用户问题,减少人工客服负担。
- 产品推荐:- 根据用户需求和偏好,智能推荐合适的PC或笔记本型号。
- 市场调研分析:- 分析用户反馈和市场趋势,帮助厂商优化产品设计和营销策略。
- 文档自动生成:- 自动生成产品说明书、用户手册和技术文档,提高文档编写效率。
- 售后服务优化:- 分析故障报告,提供解决方案,提升售后服务质量。
- 培训与教育:- 为员工提供定制化的培训内容,提高员工技能和知识水平。
- 设计辅助:- 在产品设计阶段,提供创意建议和技术支持,提升设计效率。
- 代码生成与优化:- 在软件开发过程中,自动生成代码片段或优化现有代码,提高开发效率。
- 用户体验提升:- 通过分析用户行为,优化产品界面和功能,提高用户满意度。
- 内容审核:- 自动审核用户生成内容,确保符合品牌标准和政策要求。
- 社交媒体管理:- 自动生成和发布社交媒体内容,增强品牌曝光和用户互动。
- 多语言支持:- 提供多语言翻译和本地化支持,拓展国际市场。
|
实战演练与案例分享 |
- 千行百业中的真实案例实战(各类实现干货案例)
- 从需求到解决方案的完整过程
- 行业大语言模型使用现状与限制
- 软件开发中的实战案例
制造业的实际案例 |