培養(yǎng)大模型人才
需要這樣的課程
課程大綱：大廠大牛帶路，直擊大廠標(biāo)準(zhǔn)，實(shí)戰(zhàn)貫穿全程
階段一
深度學(xué)習(xí)基礎(chǔ)
點(diǎn)擊收起
核心技術(shù)
- 深度學(xué)習(xí)基本概念
- 深度學(xué)習(xí)經(jīng)典模型解析
- 深度學(xué)習(xí)模型優(yōu)化策略解析
- 深度學(xué)習(xí)GPU原理與應(yīng)用方法
- 深度學(xué)習(xí)GPU并行訓(xùn)練策略解析
掌握技能
- 深度學(xué)習(xí)基本概念
- Transformer 核心原理
- BERT 系列模型核心原理
- T5 模型核心原理
- 深度學(xué)習(xí)模型優(yōu)化策略
- GPU架構(gòu)原理與CUDA編程原理
- GPU在深度學(xué)習(xí)訓(xùn)練/推理過程中的應(yīng)用
- GPU多卡并行技術(shù)
項(xiàng)目實(shí)戰(zhàn)
深度學(xué)習(xí)模型多GPU訓(xùn)練實(shí)戰(zhàn)
- 1模型訓(xùn)練流程詳解
- 2模型訓(xùn)練環(huán)境搭建
- 3模型 CPU/GPU 訓(xùn)練代碼開發(fā)
- 4模型 多GPU并行訓(xùn)練代碼開發(fā)
- 5模型推理代碼開發(fā)
- 6模型效果評估與優(yōu)化
課程特點(diǎn)
覆蓋深度學(xué)習(xí)基礎(chǔ)理論，全方位講解深度學(xué)習(xí)基本概念，從經(jīng)典模型出發(fā)，深入淺出地講解經(jīng)典模型原理，對深度學(xué)習(xí)模型優(yōu)化策略、GPU原理、CUDA編碼原理、GPU應(yīng)用方法及GPU多卡加速策略等核心技術(shù)進(jìn)行細(xì)致講解。
通過算法原理、企業(yè)經(jīng)驗(yàn)及代碼實(shí)踐三位一體的課程安排，帶你進(jìn)入深度學(xué)習(xí)的世界，補(bǔ)齊你在模型理解和應(yīng)用過程中的短板，讓你更好的掌握深度學(xué)習(xí)基礎(chǔ)技能。
階段二
大模型基礎(chǔ)
點(diǎn)擊展開
核心技術(shù)
- 大模型技術(shù)概述
- GPT 系列模型核心原理詳解
- LLaMA 系列模型核心原理詳解
- BLOOM 系列模型核心原理詳解
- Baichuan 系列模型核心原理詳解
- Baichuan 系列模型源碼詳解
- ChatGLM 系列模型核心原理詳解
- Qwen 系列模型核心原理講解
- Langchain 框架核心原理詳解
掌握技能
- GPT系列模型核心原理（GPT1/GPT2/GPT3/GPT4/InstructGPT）
- LLaMA系列模型核心原理（LLaMA/LLaMA2/Alpaca/Vicuna/BaiChuan2）
- 優(yōu)秀開源大模型核心原理（BLOOMZ/ChatGLM3/Qwen1.5）
- 大模型應(yīng)用框架LangChain核心原理
項(xiàng)目實(shí)戰(zhàn)
Langchain + LLM 本地化Agent實(shí)戰(zhàn)
- 1Langchain六大核心模塊原理詳解與代碼實(shí)現(xiàn)
- 2Langchain + LLM 本地化Agent系統(tǒng)設(shè)計(jì)
- 3Langchain + LLM自定義Tools實(shí)現(xiàn)
- 4Langchain + LLM系統(tǒng)部署
- 5Langchain + LLM應(yīng)用接入
課程特點(diǎn)
從論文出發(fā)，全面覆蓋大模型核心技術(shù)原理，深入淺出的講解大模型相關(guān)技術(shù)、核心模型原理及模型源碼，為之后的大模型實(shí)踐打下堅(jiān)實(shí)的理論基礎(chǔ)。
階段三
多模態(tài)基礎(chǔ)
點(diǎn)擊展開
核心技術(shù)
- 多模態(tài)技術(shù)概述
- Vit模型核心原理詳解
- CLIP模型核心原理詳解
- ALBEF模型核心原理詳解
- BLIP/BLIP-2模型核心原理詳解
- LLaVA模型核心原理詳解
- Qwen-VL模型核心原理詳解
掌握技能
- 多模態(tài)技術(shù)核心原理
- 經(jīng)典多模態(tài)模型核心原理（Vit/CLIP/ALBEF/BLIP）
- 多模態(tài)大模型核心原理（BLIP-2/LLaVA/Qwen-VL）
課程特點(diǎn)
從論文出發(fā)，全面覆蓋經(jīng)典多模態(tài)模型及多模態(tài)大模型，深入淺出的講解多模態(tài)相關(guān)技術(shù)。
階段四
大模型微調(diào)基礎(chǔ)
點(diǎn)擊展開
核心技術(shù)
- 大模型微調(diào)概述
- 大模型微調(diào)核心要素
- 大模型微調(diào)數(shù)據(jù)收集與評估
- 大模型Tuning技術(shù)詳解
- 大模型PEFT技術(shù)詳解
- 大模型全參數(shù)微調(diào)技術(shù)詳解
- 大模型CoT/ToT/GoT/AoT 技術(shù)詳解
- 大模型 DPO 技術(shù)詳解
- 大模型內(nèi)容生成技術(shù)詳解
掌握技能
- 大模型微調(diào)所需的核心要素
- 大模型微調(diào)的數(shù)據(jù)收集和處理過程
- 使用ChatGPT 獲取高質(zhì)量訓(xùn)練數(shù)據(jù)
- 大模型Tuning技術(shù)核心原理 （Prompt-Tuning/Instruction-Tuning/P-Tuning）
- 大模型PEFT技術(shù)核心原理
- 大模型全參數(shù)微調(diào)技術(shù)核心原理（DeepSpeed）
- 大模型CoT/ToT/GoT/AoT 技術(shù)詳解
- 大模型DPO技術(shù)核心原理
- 大模型微調(diào)代碼實(shí)現(xiàn)與參數(shù)配置
- 通過大模型微調(diào)解決傳統(tǒng)NLP任務(wù)
項(xiàng)目實(shí)戰(zhàn)
基于常規(guī)NLP任務(wù)的大模型微調(diào)實(shí)戰(zhàn)
- 1NLP常規(guī)任務(wù)方案設(shè)計(jì)
- 2大模型訓(xùn)練環(huán)境搭建
- 3大模型微調(diào)代碼詳解
- 4大模型微調(diào)參數(shù)詳解
- 5基于常規(guī)NLP任務(wù)的大模型微調(diào)
課程特點(diǎn)
大模型微調(diào)技術(shù)棧全覆蓋，深入講解所有主流大模型微調(diào)技術(shù)，深入講解大模型核心訓(xùn)練代碼，通過使用大模型完成傳統(tǒng)NLP任務(wù)，讓你真正的掌握大模型微調(diào)的整體流程。
階段五
大模型實(shí)戰(zhàn)
點(diǎn)擊展開
核心技術(shù)
- 實(shí)戰(zhàn)項(xiàng)目—基于大模型的可視化AIGC問答系統(tǒng)開發(fā)
- AIGC問答系統(tǒng)—大模型訓(xùn)練環(huán)境搭建
- AIGC問答系統(tǒng)—大模型數(shù)據(jù)收集與 instruction 設(shè)計(jì)
- AIGC問答系統(tǒng)—通用大模型微調(diào)代碼開發(fā)（支持多模型/多框架）
- AIGC問答系統(tǒng)—Baichuan2多GPU LoRA微調(diào)實(shí)現(xiàn)
- AIGC問答系統(tǒng)—Baichuan2多GPU 全參數(shù)微調(diào)實(shí)現(xiàn)
- AIGC問答系統(tǒng)—Qwen1.5多GPU LoRA微調(diào)實(shí)現(xiàn)
- AIGC問答系統(tǒng)—Qwen1.5多GPU 全參數(shù)微調(diào)實(shí)現(xiàn)
- AIGC問答系統(tǒng)—大模型性能評估體系搭建
- AIGC問答系統(tǒng)—大模型部署與服務(wù)接口開發(fā)
- AIGC問答系統(tǒng)—大模型界面化調(diào)用系統(tǒng)開發(fā)
- 項(xiàng)目總結(jié)與答疑
掌握技能
- 基于大模型的智能對話系統(tǒng)架構(gòu)
- 大模型訓(xùn)練的環(huán)境搭建與數(shù)據(jù)收集過程
- 支持多種模型多種訓(xùn)練框架的微調(diào)代碼開發(fā)
- 大模型多GPU LoRA/全參數(shù)微調(diào)技巧
- 大模型評估策略
- 大模型訓(xùn)練的完整開發(fā)流程
- 大模型界面化調(diào)用系統(tǒng)
課程特點(diǎn)
從實(shí)戰(zhàn)項(xiàng)目出發(fā)，基于企業(yè)應(yīng)用最廣泛的Baichuan2及Qwen1.5，從零搭建基于大模型的AIGC對話系統(tǒng)，讓學(xué)員掌握從環(huán)境搭建、數(shù)據(jù)構(gòu)建、大模型微調(diào)到界面化調(diào)用的整個(gè)過程，掌握大模型微調(diào)的完整鏈路，并建立界面化的大模型調(diào)用系統(tǒng)。
