报名现场
从事人工智能、自然语言处理、图像处理、视频处理、数据挖掘、无人机、无人车、无人艇、智慧城市、智慧医疗、智能装备、目标识别、轨迹规划、智慧交通等领域相关研究的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及生成式AI、大模型研究感兴趣的广大爱好者。
高薪就业
证书颁发机构 （国家背书）
业和信息化部教育与考试中心
工业和信息化部人才交流中心
工业和信息化部电子工业标准化研究院
师资来源
中国科学院自动化研究所、中国科学院计算技术研究所、清华大学、北京大学、北京航空航天大学、北京理工大学、南京大学、东南大学、上海交通大学等。
时间安排:
2024-10月25日 — 2024年10月29日 成都（同时转线上直播）（25日报到发放上课材料，26日-29日上课）
培训目标
1.了解AIGC发展现状与核心技术。
2.掌握Transformer核心开发技术。
3.掌握向量数据库的工作原理、检索算法、主要开源数据库。
4.掌握大模型调用、微调方法。
5.掌握以GPT大语言模型为基础的工作原理。
6.掌握AIGC技术在跨模态领域的应用技术。
7.了解GPT提示工程和AIGC的安全标准。
8.掌握基于大模型的编程开发技术。
9.掌握扩散模型核心技术。
10.掌握Agent构建技术。
费用标准：
A类、5980元/人（含培训费、资料费、场地费、平台使用费、午餐费、A类证书费）。
B类、8980元/人（含报名费、培训费、资料费、场地费、平台使用费、考试费、午餐费、A类B类证书费）
注：住宿可统一安排，食宿费用自理
1、培训费由组织培训班的施教机构负责收取并提供培训发票。
2、5人以上9折优惠，8人以上8.8折优惠。
3、B类证书费不享受优惠。
4、参加线上、线下培训学员均可享受视频录播回放权益，及本人再次免费参加线下同主题课程学习权益。
颁发证书：
A类、参加相关培训并通过考核的学员，由北京龙腾亚太教育咨询有限公司颁发《生成式AI、大模型、多模态技术》培训结业证书。
B类、参加相关培训并通过考核的学员，由工业和信息化部教育与考试中心颁发《人工智能机器视觉应用》（高级）职业技能证书，可通过工业和信息化部教育与考试中心官方网站查询，并纳入工信部教育与考试中心人才库，该证书可作为有关单位职称评定、专业技术人员能力评价、考核和任职的重要依据。
注：报到时请提交电子版彩照（大于20KB，红蓝底皆可）、身份证复印件和学历证明复印件各一份
课程大纲
课程大纲 | ||||
第一天 上午 9：00-12：00 下午14：00-17：00 | 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 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 | |||
二、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 | |||
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 三、数据集分类器创建 四、Zero-shot 推理 五、提示词工程与集成 | |||
第十章 VAE | 一、Autoencoder 二、VAE模型原理 三、重参化 四、VAE与AE的区别 五、Spacetime Latent Representation | |||
第十一章 Sora训练 | 一、Sora训练流程 二、patchify—视频数据转换为图像块 三、Scaling Transformer生成 四、Latent转换为视频向量 | |||
开发环境 | 1.操作系统：Ubuntu 2.开发语言：Python 3.深度学习框架：Pytorch 4.大语言模型：几种国产开源大语言模型 5.大语言模型开源微调、Agent开源框架 注：整个环境可在局域网内部署，学员连接云服务器（GPU 80G显存）实操。 | |||
超级赠品 课程学完当天发货
1.图灵程序丛书300册 PDF （价值5000元）
2.计算机黑皮书 190册 PDF （价值2000元）
3.华为儿童手表 （价值1000元） 送送送
4. 转介绍好友更有超大红包奖励
欢迎关注我，共同探讨学习科技前沿技术资讯，提升认知赚钱能力。
报名课程的请加我微信 备注 人工智能
