课程简介
每当有新技术突破的时候，最流行的句式是“所有业务都可以用XX实现一遍”。AI大模型的突破，让所有人再次跃跃欲试。作为工程师，我们有机会站在驱动业务重构的最前沿，这里面有巨大的机会。在以传统机器学习为代表的类AI阶段，大家在技术层面往往会陷入语言/库之争，Python作为AI的门面语言，受到了极大关注，但同时也让非Python的工程师陷入两难：我要放弃现有的技术栈么？大模型的突破，让这一切不是问题。首先，AI大模型在应用层，API极为简单，对于有其他语言经验的工程师来讲并非难事。其次，过去的机器学习等知识体系，在大模型时代已没有特别大的必要去深入了（当然，了解更好）。过去在了解部分底层算法的前提下做调参，而现在调好prompt就可以了（当然，要用好它也不容易）。
那么，既然AI大模型的应用门槛不高，我们工程师该怎样基于AI构建自己的最核心竞争力，拓宽技术护城河，并持续赋能业务呢？这是我们本次课程的目标。
本次课程将从AI大模型行业现状、AI发展路线图、基于Copilot的研发效能提升、ChatGPT/OpenAI核心逻辑、Prompt工程及调优、开源大模型微调流程等多个方面，从概念+实践的角度去学习最前沿的AI知识，从0打造AI时代的全栈护城河。
目标收益
培训对象
1、适合想进入AI领域，或者利用AI提升工作效能的工程师。
2.适合想更全面判断AI趋势、或者利用AI为现有业务赋能的技术管理者
课程大纲
| 引子 | AI大模型现状、AI与工程师、ChatGPG/OpenAI、Prompt工程、开源大模型微调 |
| 第一单元 AI大模型生态及现状 |
1.大模型的前世今生 1.1从神经网络到预训练 1.2Transformer框架解析 2.百模大战时代 2.1国内外主流大模型介绍 2.2AI+赋能场景案例介绍 |
| 第二单元 OpenAI与ChatGPT理论与实践 |
3.OpenAI与ChatGPT的能力探索 3.1ChatGPT目前能做哪些事？ 3.2OpenAI是如何这么智能的？ 3.3Prompt工程实践：开发一个对话机器人。 3.4Prompt的调优方式 3.5Prompt的攻击问题 |
| 第三单元 AI与工程师 |
4.Copilot：工程师的研发效能利器 4.1Copilot详解 4.2Copilot安装与配置 5.Copilot 应用实战 5.1使用Copilot进行辅助编程/代码解释 5.2 使用Copilot进行重构/测试 |
| 第四单元 开源大模型及微调方案 |
6.开源大模型：垂直模型的基座 6.1开源大模型串讲：Llama2、ChatGLM、昆仑天工 6.2Hugging Face：AI界的Github 6.3ChatGLM-6B微调方案 |
|
引子 AI大模型现状、AI与工程师、ChatGPG/OpenAI、Prompt工程、开源大模型微调 |
|
第一单元 AI大模型生态及现状 1.大模型的前世今生 1.1从神经网络到预训练 1.2Transformer框架解析 2.百模大战时代 2.1国内外主流大模型介绍 2.2AI+赋能场景案例介绍 |
|
第二单元 OpenAI与ChatGPT理论与实践 3.OpenAI与ChatGPT的能力探索 3.1ChatGPT目前能做哪些事？ 3.2OpenAI是如何这么智能的？ 3.3Prompt工程实践：开发一个对话机器人。 3.4Prompt的调优方式 3.5Prompt的攻击问题 |
|
第三单元 AI与工程师 4.Copilot：工程师的研发效能利器 4.1Copilot详解 4.2Copilot安装与配置 5.Copilot 应用实战 5.1使用Copilot进行辅助编程/代码解释 5.2 使用Copilot进行重构/测试 |
|
第四单元 开源大模型及微调方案 6.开源大模型：垂直模型的基座 6.1开源大模型串讲：Llama2、ChatGLM、昆仑天工 6.2Hugging Face：AI界的Github 6.3ChatGLM-6B微调方案 |
近期公开课推荐