在人工智能迅猛发展的今天，掌握大模型技术已经成为技术人员和未来职场人士的必备技能。随着
AI大模型在各个领域的广泛应用，学习这些前沿技术不仅是提升个人竞争力的关键，更是抢占技术高地的必要途径。为了帮您紧跟时伐，提升个人技能，中国人工智能培训网（http://www.chinaai.org.cn）、北京龙腾亚太教育咨询有限公司、北京龙腾智元信息技术有限公司特举办新质技术之第十期“生成式AI、大模型、多模态技术开发与应用研修班”。
时间安排
《新质技术之第十期生成式AI、大模型、多模态技术开发与应用研修班》
2025年1月16日 — 2025年1月20日 昆明（同时转线上直播）
（第一天报到发放上课材料，授课四天）
课程大纲
第一天 | 第一章
生成式AI技术发展概述 | 一、AI：从判别决策到创造生成 | 1.从经典机器学习到深度学习 |
上午
9：00-12：00 | 2.从Transformer到生成模型 |
二、生成式人工智能模型 | 1.生成对抗网络GAN |
2.可变分自编码器VAE |
3.自回归模型Auto-regressive Model |
4.扩散模型Diffusion Model |
三、AIGC技术及进展 | 1.AIGC的定义和发展 |
2.AIGC技术的分类 |
3.AIGC技术框架 |
四、大模型 | 1.从ChatGPT到Sora的技术演进 |
2.大语言模型 |
3.视觉大模型 |
4.多模态大模型 |
下午14：00-17：00 | 第二章 AIGC技术在多模态领域的应用 | 一、AIGC在自然语言处理领域的应用 | 1.语义理解 |
2.内容生成 |
a公文辅助写作 b政策分析 c研报生成 d风控舆情 |
3.多轮会话 4.逻辑推理 |
二、AIGC在视频领域的应用 | 1.图像识别、检测与生成 |
2.视频理解与生成
|
3.3D生成 |
三、AIGC在视觉与音频生成领域的应用 | 1.图像生成 2.电影配音 |
3.智能客服 4.各类场景语音生成 |
第二天
上午
9：00-12：00下午
14：00-17：00 | 第三章 Transformer | 一、Transformer模型的基本架构 |
二、Self-Attention机制的原理与计算过程 |
三、Multi-Head Attention 的设计与作用 |
四、Positional Encoding的实现方法 |
五、Rotary Positional Embedding |
六、Transformer中的Feed-Forward Networks |
七、Layer Normalization的原理 |
八、Transformer模型中的残差连接 |
九、Teacher Forcing技术 |
十、编码器与解码器的结构差异 |
十一、视觉Transformer |
第四章
大语言模型微调与量化 | 一、模型微调 | 1.全量微调FFT 2.部分参数微调PEFT |
3.Prompt微调 4.Prefix微调 |
5.LoRA等微调方法 6.大语言模型微调开发 |
二、模型量化 | 1.线性量化 2.非线性量化 |
3.饱合量化 4.非饱合量化 |
5.大语言模型微调量化开发 |
三、实例开发 | 1.大语言模型微调框架 |
2.大语言模型微调实例 |
第五章AIGC技术 | 一、大语言模型技术原理 | 1.生成模型（扩散模型） 2.深度学习常用算法 |
3.人类反馈强化学习RLHF 4.典型大语言模型
|
二、提示工程 | 1.提示词的基础知识 2.思维链 |
3.提示词实操：明确具体任务、利用上下文、使用不同的语气、角色扮演、zero shot, one shot, few shot、零样本思维链提示、生成知识提示 |
三、AIGC的安全 | 1.内容安全 2.模型安全 3.用户信息安全 |
四、AIGC技术评价 | 1.AIGC标准体系2.AIGC应用层标准3.AICG模型层标准 |
第三天
上午
9：00-12：00下午
14：00-17：00 | 第六章 AIGC技术的记忆模块（向量数据库） | 一、向量数据库概述 | 1.AIGC技术的记忆模块的功能和作用 |
2.向量数据库的功能与发展历程 |
3.各种向量数据库的对比 |
4.向量数据库发展展望 |
二、向量数据库技术 | 1.向量数据库原理2.向量检索算法3.向量数据库实操 |
第七章 大语言模型 Agent | 一、大语言模型开发框架 | 1.大语言模型开发框架的原理与工作流程 |
2.大语言模型开发框架的分层结构 |
3.大语言模型开发框架的模块与库函数 |
二、Agent | 1.Agent工作原理 |
2.Agent模式 |
3.Agent开发步骤与工作流程 |
三、大语言模型Agent开发 | 1.大语言模型与Agent结合开发方式 |
2.大语言模型Agent开发实例 |
3.构建一个智能体 |
第四天
上午
9：00-12：00下午
14：00-17：00 | 第八章 扩散模型 | 一、前向扩散过程 |
二、反向生成过程 |
三、网络架构 |
四、参数化 |
五、采样方法 |
六、Stable Diffusion模型 |
七、Diffusion Transformer模型 |
第九章 CLIP | 一、CLIP架构 |
二、对比预训练
|
