课程说明
| 课程级别 | 高级 |
| 培训周期 | 半年内 |
| 上课时间 | 全日制 |
| 上课地址 | 上海市徐汇区番禺路951B号-A座1楼IT研究院 |
课程简介
我们利用AI 赋能，为 200 多个行业客户提供AI解决方并顺利地实现商业化，积累了丰富的经验。AI技术案发展，尤其是大模型的出现及火爆，导致了就业市场出现了相关人才的短缺，面对此类工作岗位人才的巨大缺口，我们运用自身6年的人工智能项目经验，结合当下不断选代的AI技术，研发出适合当前就业市场需求的AI大模型算法工程师课程，促使越来越多的有志之人投身于人工智能大发展的浪潮中。
参加AI大模型算法工程师项目实训
我们用AI 赋能，为 200 多个行业客户提供AI 解决方案，并顺利实现了商业化，积累了丰富的经验。AI技术发展，尤其是大模型的出现及火爆，导致了就业市场出现了相关人才的短缺，面对此类工作岗位人才的巨大缺口，我们运用自身6年的人工智能项目经验，结合当下不断迭代的新AI技术，研发出适合当前就业市场需求的AI大模型算法工程师课程，促使越来越多的有志之人投身于人工智能大发展的浪潮中。
学员参与就业保 障计划
✔ 上海、苏州、杭州、北京、深圳等多家AI合作企业 ✔ 入职上述企业的人工智能及相关研发岗位工作 ✔ 通过考核的学员获得上海交大教育AI大模型算法工程师培训证书并提供就业保 障 ✔ 学习未达标者，提供免费重修服务
项目优势
1 优势
专业的实验设备
为学员配套练习，配置大模型训练微调所需要的算力资源，实训基本花巨资购买GPU卡和服务器，让每一位同学都有至少一台训练设备；
2 优势
直面真实场景实操，掌握实战技能
线下学习通过实际项目实操，学员能够直接面对真实场景中的问题，有助于理解理论知识在实际工作中的应用。这种实战经验对于学员的问题解决能力和模型微调技巧至关重要；
3 优势
行业项目经理授课，紧跟行业趋势
紧跟行业趋势，让学员所学技能不过时，提升其场的技术优势,由大模型项目研发亲自执导，为您带来成体系的微调技术课程。在这里，您将直接受益于业界的专业知识和实战经验，深入掌握前沿的大模型微调策略。
4 优势
深度体验实操练习，培训动手实战能力
我们的课程特别设计了一系列实操环节，确保学员不仅理论学习，更能亲自动手实践，深刻理解技术的来源与应用原理。通过这样的深度体验，学员将大幅提升技术的实际运用能力，增强自身竞争力。
AI大模型算法工程师的岗位职能
✔ 熟悉各类AI大语言模型和多模态大模型，能私有化部署；
✔ 熟练使用 LangChain等框架，对RAG，Agent有深入理解和思维链设计。；
✔ 负责相关产品的模型训练和服务部署；
✔ 对主流的大模型（GPT、文心一言、百川、chatGLM、通义、LLaMA等）有较丰富的使用经验和prompt微调经验；
✔ 掌握大语言模型SFT/LoRA/RLHF等技术，提升特定任务的大模型能力；
✔ 熟练掌握主流深度学习框架pytorch，LLM训练并行框架Deepspeed等多机多卡方案；
✔ 跟踪大模型领域前沿技术，提出创新思路来推动算法升级和业务发展。
适合人群
IT研发工程师
移动端开发，C++/Java有项目研发经验，代码能力强，学习后薪资涨幅较高。
本科及以上高校学生
计算机、人工智能、软件工程、数学、电子信息等相关的专业，本科及硕士人群。
产品经理
项目管理、产品经理、或者细分行业准备做智能化升级的负责人，希望提升自己的人士
想进入AI领域发展的人群
其它行业人士，想转行进入AI人工智能领域寻找机会的人士（IT相关职位优先）。
课程大纲
| 第一阶段：人工智能认知基础 | |||||||||
| 课程内容 | 课程大纲 | ||||||||
| 人工智能大模型技术的过去、现在与未来 | （1）人工智能的发展史 （2）大模型的发展史 （3）人工智能的基本原理 | ||||||||
| 大模型实际应用案例介绍 | （1）大模型企业应用案例 （2）企业拥抱大模型的痛点与解决方案 | ||||||||
| 体验大模型 | 体验大模型 | ||||||||
| 第二阶段：大模型开发环境基础 | |||||||||
| 课程内容 | 课程大纲 | ||||||||
| 环境搭建与使用 | （1）Linux命令基础 （2）Docker基础 （3）XShell操作 （4）人工智能相关基础库介绍与安装 | ||||||||
| 开源大模型部署 | （1）Ollama介绍与安装 （2）常见的开源大模型部署 | ||||||||
| 第三阶段：AI大模型应用开发平台基础 | |||||||||
| 课程内容 | 课程大纲 | ||||||||
| AI大模型应用开发平台基础 | （1）Dify平台的介绍与安装 （2）Dify配置基础大模型 （3）Dify创建聊天机器人 （4）Dify创建知识库 （5）Dify创建Agent （6）Dify创建工作流 | ||||||||
| 第四阶段：大模型研发基础 | |||||||||
| 课程内容 | 课程大纲 | ||||||||
| IDE环境搭建 | （1）Vscode安装与配置 （2）Jupyter介绍 | ||||||||
| python编程复盘 | （1）Python核心语法 （2）Python文件操作 （3）Python多进程与多线程 | ||||||||
| 数据科学计算库实战 | （1）Pandas实战 （2）Numpy实战 | ||||||||
| 人工智能开发框架基础 | （1）Pytorch基础 | ||||||||
| 大语言模型结构详解 | （1）注意力机制 （2）Transformer网络结构 | ||||||||
| 第五阶段：大模型微调基础 | |||||||||
| 课程内容 | 课程大纲 | ||||||||
| HuggingFace基础 | （1）Pipeline基础 （2）Transformers组件基础 （3）Tokenizer组件基础 （4）Datasets组件基础 （5）Evalaute组件基础 （6）Trainer组件基础 | ||||||||
| 显存优化基础 | （1）内存、显存基本结构与工作方式 （2）模型显存占有量计算 （3）模型在显存中的存储优化 | ||||||||
| 模型微调基础 | （1）大模型训练流程 （2）BitFit微调 （3）Prompt-Tuning微调 （4）P-Tuning微调 （5）Prefix-Tuning微调 （6）LORA微调 （7）IA3微调 （8）模型量化 （9）QLora微调 （10）对齐微调（RLHF\DPO） （11）实战：微调llama3 | ||||||||
| 模型推理优化基础 | （1）vLLM推理框架基础 （2）Llama.cpp基础 | ||||||||
| 多机多卡分布式训练基础 | （1）并行基础 （2）Fairscale训练基础 （3）Accelerator训练基础 （4）Deepspeed训练基础 | ||||||||
| 第六阶段：大模型能力扩展 | |||||||||
| 课程内容 | 课程大纲 | ||||||||
| Langchain基础 | （1）Langchain开发环境搭建 （2）链与LCEL基础 （3）记忆模块基础 （4）知识增强检索基础（RAG） （5）智能体基础（AGENT） | ||||||||
| 第七阶段：项目实战 | |||||||||
| 课程内容 | 课程大纲 | ||||||||
| 智能问答 | 使用自己微调的大模型，叠加自己的知识库，开发一个专业问答。例如法律咨询、医疗咨询等。 | ||||||||
| 报告生成能手 | 使用自己微调的大模型，叠加自己的知识库与智能，开发一个报告撰写能手。 | ||||||||
| 数据智能治理 | 利用大模型从海量的、杂乱的文本数据中提取需要的信息，并结构化数据存储。 | ||||||||
| 全流程内容制造者 | 通过大模型Agent能力对网站进行的监视与内容获取，然后自动的对内容进行分析、摘要、重写，最后自动发布到平台。 | ||||||||
项目开班
课程内容以实际授课为准
温馨提示
