我们诚挚地邀请您参加由 NVIDIA 发起的 AI-AGENT 线上训练营，该训练营旨在帮助初学者学习如何基于 NVIDIA NIM (NVIDIA Inference Microservices) 平台构建 LLM-RAG 和多模态智能体。通过为期4天的系统性学习，您将深入了解 NVIDIA NIM 平台的特色，并掌握在该平台上基于 AI 模型实现 AI 智能体的构建方法。
构建 RAG（检索增强生成）和多模态智能体的重要性不言而喻。在当前快速发展的 AI 领域，RAG 技术通过结合大语言模型（LLM）和动态检索机制，能够实时连接外部数据源，从而显著提升模型的输出质量和准确性。这不仅使得 AI 系统能够处理更复杂的查询，还能提供更加个性化和智能化的用户体验。
多模态智能体则进一步扩展了 AI 的应用边界，通过将文字、语音、图像、视频等多种形式的数据融合处理，使 AI 系统具备更强的理解和生成能力。这种技术在许多领域，如自动驾驶、医疗影像、智能客服等，都展现出了巨大的潜力和应用价值。
在为期四天的训练营中，NVIDIA 和 Microsoft 的工程师们将系统地介绍 NIM 平台的独特功能，Phi3 系列模型的新特性，并详细指导如何在平台上利用 AI 模型实现智能体的构建。您将学习到LLM（Large Language Model）、RAG (Retrieval-Augmented Generation) 以及 AI-Agent 三大模块的知识，并通过丰富的线上实验环节，掌握使用 NIM 构建多样化、多功能智能体的技能。每节课程结束后，我们都会提供相应的编程实例，帮助您在实际操作中更好地理解和掌握所学内容。
本次训练营的最终目标是增强您对 AI 程序设计的信心。为此，我们将建立一个专门的学习微信群，邀请 AI 专家在线解答疑问，并辅导您进行实验操作。
本次训练营分为
实训班
和
旁听班
两种参与方式，以满足不同学习者的需求和条件。
实训班主要面向高校在校学生，特别是那些之前没有机会参加 NVIDIA Sky Hackathon 大赛的学生，我们给予优先考虑。报名参与实训班的学生需要提交报名信息，并经过我们的审核。一旦通过审核，学生将收到入营邀请，并正式成为实训班的一员。为了确保学员能够顺利进行学习和实践，我们将为实训班的学生提供远程实训环境，这意味着学生无需自备高性能的计算设备，即可轻松进行实践操作和学习。
实训席位仅50席。
与实训班不同，旁听班对参加者没有特定的要求，面向所有对该领域感兴趣的学习者开放。无论是已经在职的专业人士，还是对此领域有兴趣的业余爱好者，都可以选择加入旁听班。
选择旁听班的学习者需要自己搭建相应的学习环境，以确保能够顺利跟进课程和学习内容。
旁听班无人数限制。
总的来说，无论是实训班还是旁听班，我们都致力于为学员提供高质量的学习资源和交流平台，帮助他们在技术领域不断进步。
★
NVIDIA NIM
平台的应用实务：
全面了解
NVIDIA NIM
平台的功能和优势。
★
一站式快速入门
LLM、RAG、Multi-modal、Ai-Agent：
从基础到高级，全面覆盖
LLM、RAG、Multi-modal、Ai-Agent
等模块的学习。
★
多样化平台工具结合：
学习如何将
NIM、Langchain、Llama-index、Jetson、Gradio
等工具结合使用。
★
多种AI模型学习与使用：
掌握
Nemotron4、Phi3、llama3、Llava、Neva
等多种 AI 模型的实际应用。
★
实验课+练习：
通过实际操作和代码练习，深入理解 AI 原理和应用方法。
开营致辞: Jina AI 联合创始人兼首席技术官 王楠
王楠 | Jina AI 联合创始人兼首席技术官
深耕 AI 技术在搜索领域的应用，曾在德国头部电商 Zalando 和腾讯担任高级算法工程师，负责搜索和推荐业务。作为 LF AI&DATA TAC成员，他积极参与 AI 开源，领导团队开发开源神经搜索框架 JINA，推动 DocArray 从 LF AI&DATA 毕业，并主持开发多个开源模型，全球下载量超过 1000万。2023年，荣获中国开源先锋33人称号。
李奕澎 | NVIDIA 企业开发者社区经理
拥有多年数据分析建模、人工智能自然语言处理开发经验。在对话式人工智能与大模型技术领域有丰富的实战经验与见解。曾开发法律、金融、保险文档中基于实体抽取的智能问答系统，曾主导开发基于 NLP 知识抽取，KG 知识图谱的建立的科研文档智能检索系统。加入NVIDIA 开发者社区以来完成过上百场培训，帮助上万个开发者了解人工智能。
▶
介绍活动安排与目标
▶
NVIDIA Jetson 开发环境介绍: 深
入了解 Jetson 平台的开发环境，探索其强大的计算能力。
▶
NVIDIA NIM 平台介绍:
探索 NVIDIA 的 NIM 平台，了解其在 AI 开发中的重要角色。
▶
LLM-RAG 工作流程与原理:
学习大语言模型与检索增强生成（RAG）的工作流程与基础原理。
▶
Langchain 结合 NIM 实现 RAG 检索应用 (代码 demo+练习):
通过实际操作通过实际操作和代码演示，掌握 Langchain 与 NIM 平台结合的实现方法，实现 LLM-RAG 检索应用。
卢建晖(Kinfey Lo) | 微软高级云技术布道师
专注在人工智能及大数据领域，具备 15 年以上的电信，教育，金融服务行业经验。是微软 Build / Ignite / Teched 大会讲师，GitHub Copilot Workshop 讲师，Qcon 讲师，现负责生成式人工智能应用架构及 Microsoft Phi-3 小模型在行业中的应用落地工作。
▶
Phi-3 + NIM 使用介紹:
全方位了解微软 Phi3 系列模型的新特性
▶
在边缘设备下使用 NIM 构建 Phi-3 Vision 的解决方案:
基于Jetson平台实现多模态的应用
▶
Whisper 结合 NIM 构建 RAG 的语音平台:
将 Speech AI 与 LLM-RAG 有效结合
▶
代码实战+练习:
通过实际操作和代码演示，掌握 Whisper 语音识别模型与 Phi3 小模型在 NIM 平台中结合的实现方法。
