课程简介

本课程围绕电商业务场景，探讨AIGC与大模型在电商行业的应用。课程以互动交流为主，涵盖大模型原理、提示词设计、数据构造与清洗、模型技术选型、微调与优化、强化学习及推理部署等关键内容。通过案例分析和实战讨论，帮助学员深入理解并应用大模型技术优化电商数据分析与报告生成流程。

目标收益

学员将掌握大模型相关核心技术，包括大模型提示词优化、数据处理、模型微调与强化学习等方法。通过深入的行业交流，了解最新的开源大模型生态，提升在电商场景下的AI应用实践能力，为业务智能化升级提供技术支持。

培训对象

课程内容

第一天-上午
1. 课程开场与AIGC综述（0.5h）
大模型原理概述，介绍课程的目标和预期的学习成果。
介绍人工智能生成创作（AIGC）领域的基本概念、应用和发展趋势，相关场景及算法基础逻辑介绍
2. 电商AI大模型应用梳理与分析（1h）
面向电商场景的大模型应用调用分享
面向电商场景的客户服务与主动营销业务搭建与技术分享
电商报告生成场景相关业务需求，场景业内发展状态
3. 大模型应用与提示工程（1h）
分析大模型提示词设计，多场景提示词设计，营销文案生成辅助、代码生成与调试、自动回复常见问题等
分析针对电商场景的提示词使用技巧，指令式列表生成、长对话中保持一致性、表格及代码生成、引导模型在不同角色之间切换等
课程实战：大模型部署实战——基于DeepSeek的大模型部署及API调用（0.5h）
第一天-下午
1. 高质量数据构造与清洗（1h）
梳理大模型训练中的数据收集方法与数据清洗逻辑
介绍基于Self-instruct的数据构造方法、介绍面向结构化知识的数据构造方法
高质量数据收集与清洗分享——以参与的开源数据集Chinese-DeepSeek-R1-Distill-data-110k为例
2. 主流开源语言大模型介绍与比较（1h）
主流大模型介绍，如ChatGLM、Llama、bloom、MOSS、Baichuan、Qwen、Skywork等
领域大模型介绍——法律、医疗、金融、教育等领域大模型介绍
3. 多模态生成方法与原理介绍（1h）
图片生成文本（Image Captioning）的基本概念介绍
基于于大模型（如Transformer）的图片生成文本技术的核心原理
图片生成文本的落地应用，如社交媒体与内容创作、辅助视觉障碍人士、医疗健康、教育与科研等
介绍图生文相关模型概念，如QwenVL系类、Yi-VL等
第二天-上午
1. 大语言模中的高效参数调优方法与分布式训练简述（1h）
常用参数微调方法——Prefix Tuning、P-Tuning、LoRA
微调方法进阶——DyLoRA、AdaLoRA、QLoRA、QALoRA、LongLoRA、VERA、S-LoRA
介绍当前常用的模型分布式计算方法，详细介绍数据并行、向量并行、流式并行的多种并行策略等
介绍常见的分布式训练框架，如Megatron、DeepSpeed等分布式训练框架介绍
课程实战：大模型微调实战——面向电商文案生成的大模型微调（0.5h）
2. 大模型MCP与Manus系列概述（1h）
介绍Manus相关内容概述，与操作方法简述
OpenManus开源框架概述与本地化部署
OWL开源多智能体协作框架概述
基于MCP的大模型应用于Agent搭建
课程实战：大模型Agent搭建——面向电商客户服务MCP服务搭建（0.5h）
第二天-下午
1. 大模型中的强化学习概述（1.5h）
大模型中的奖励模型，包括介绍奖励模型基础、数据设计及模型训练方法
偏好对齐算法介绍——RRHF、RLAIF、DPO、APO等
DeepSeek中的强化学习方法GRPO原理及应用
2. 大模型推理加速与部署（1h）
介绍常用的大模型推理框架与原理，如vLLM、SGLang、FastLLM等
介绍常用大模型整体服务框架，llama.cpp、llama-factory、ollama等
大模型中的量化，如AWQ量化、GPTQ
2. 交流与沟通（0.5h）
课后交流