【培訓(xùn)對(duì)象】
1.技術(shù)開發(fā)人員：如AI工程師、數(shù)據(jù)分析師、前后端開發(fā)工程師等人員； 2.企業(yè)業(yè)務(wù)相關(guān)人員：產(chǎn)品經(jīng)理、售前人員等需要結(jié)合大模型相關(guān)技術(shù)為業(yè)務(wù)賦能的人員； 3.高校學(xué)生及研究人員：計(jì)算機(jī)相關(guān)專業(yè)且Python基礎(chǔ)較好，有機(jī)器學(xué)習(xí)等AI基礎(chǔ)的大學(xué)生，以及對(duì)大模型技術(shù)感興趣，希望在AI算法領(lǐng)域開展研究的人員； 4.技術(shù)愛好者：對(duì)智能問(wèn)答系統(tǒng)、RAG技術(shù)等感興趣的技術(shù)愛好者。

【培訓(xùn)收益】
1.掌握RAG系統(tǒng)全鏈路設(shè)計(jì)與開發(fā)能力； 2.具備構(gòu)建復(fù)雜知識(shí)增強(qiáng)系統(tǒng)的實(shí)戰(zhàn)經(jīng)驗(yàn)； 3.具備大模型微調(diào)與定制化部署能力; 4.掌握低代碼與可視化RAG系統(tǒng)構(gòu)建方法; 5.獲得從開發(fā)到部署的完整項(xiàng)目經(jīng)驗(yàn)。

第一天
上午 第一部分: LLM大模型核心原理 1.大模型基礎(chǔ)：理論與技術(shù)的演進(jìn)
2.LLMs大語(yǔ)言模型的概念定義
3.LLMs大語(yǔ)言模型的發(fā)展演進(jìn)
4.LLMs大語(yǔ)言模型的生態(tài)體系
5.大語(yǔ)言模型技術(shù)發(fā)展與演進(jìn)
6.基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的語(yǔ)言模型
7.基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)言模型
8.基于Transformer的大語(yǔ)言模型
9.LLMs大語(yǔ)言模型的關(guān)鍵技術(shù)
10.LLMs大語(yǔ)言模型的核心框架：商業(yè)&開源LLMs大語(yǔ)言模型的行業(yè)應(yīng)用
第二部分:DeepSeek大模型與Prompt提示工程 1.Prompt如何使用和進(jìn)階
2.什么是提示與提示工程
3.提示工程的巨大威力：從Let’s
think step by step說(shuō)起
4.拆解、標(biāo)準(zhǔn)化、流程化：如何用AI改造工作
5.使用BROKE框架設(shè)計(jì)ChatGPT提示
通過(guò)案例分析，展示如何使用大模型prompt技術(shù)輔助開發(fā)
第一天
下午 第三部分: DeepSeek大模型API應(yīng)用開發(fā) 1.DeepSeek-V3大模型API
2.DeepSeek-R1推理大模型API
3.DeepSeek模型&價(jià)格
4.DeepSeek模型參數(shù)Temperature設(shè)置
5.DeepSeek模型Token用量計(jì)算
6.DeepSeek模型錯(cuò)誤碼
7.DeepSeek大模型多輪對(duì)話
8.DeepSeek大模型對(duì)話前綴續(xù)寫（Beta）
9.DeepSeek大模型FIM補(bǔ)全（Beta）
10.DeepSeek大模型JSON Output
11.DeepSeek大模型Function Calling
12.DeepSeek大模型上下文硬盤緩存
13.文本內(nèi)容補(bǔ)全初探
（Text Completion）
14.聊天機(jī)器人初探
（Chat Completion）
15.基于DeepSeek開發(fā)智能翻譯助手
案例分析與實(shí)戰(zhàn)
第四部分: 大模型應(yīng)用開發(fā)框架 LangChain 1.大模型應(yīng)用開發(fā)框架LangChain
2.LangChain是什么
3.為什么需要LangChain
4.LangChain典型使用場(chǎng)景
5.LangChain基礎(chǔ)概念與模塊化設(shè)計(jì)
6.LangChain核心模塊入門與實(shí)戰(zhàn)
7.LangChain的3個(gè)場(chǎng)景
8.LangChain的6大模塊
9.LangChain的開發(fā)流程
10.創(chuàng)建基于LangChain聊天機(jī)器人
第二天
上午

第五部分: 基于DeepSeek和LangChain構(gòu)建文檔問(wèn)答系統(tǒng) 1.構(gòu)建復(fù)雜LangChain應(yīng)用
2.LangChain模型（Models）：從不同的LLM和嵌入模型中進(jìn)行選擇
3.LangChain提示（Prompts）：管理LLM輸入
4.LangChain鏈（Chains）：將LLM與其他組件相結(jié)合
5.LangChain索引（Indexs）：訪問(wèn)外部數(shù)據(jù)
6.LangChain記憶（Memory）：記住以前的對(duì)話
7.LangChain代理（Agents）：訪問(wèn)其他工具
8.使用大模型構(gòu)建文檔問(wèn)答系統(tǒng)
第六部分: DeepSeek大模型企業(yè)RAG應(yīng)用 1.RAG技術(shù)概述
2.加載器和分割器
3.文本嵌入和向量存儲(chǔ)
4.檢索器和多文檔聯(lián)合檢索
5.RAG技術(shù)的關(guān)鍵挑戰(zhàn)
6.檢索增強(qiáng)生成實(shí)踐
7.RAG技術(shù)文檔預(yù)處理過(guò)程
8.RAG技術(shù)文檔檢索過(guò)程
第二天
下午 第七部分: 構(gòu)建基于DeepSeek構(gòu)建知識(shí)圖譜增強(qiáng) 1.Neo4j基礎(chǔ)概念：Node、Property、Relationship
2.使用Cypher查詢語(yǔ)言進(jìn)行數(shù)據(jù)建模、插入和查詢。
3.網(wǎng)絡(luò)配置文件（config）的基本結(jié)構(gòu)和參數(shù)分析
4.基于config指定數(shù)據(jù)清洗與標(biāo)準(zhǔn)化格式
5.基于本地大模型的結(jié)構(gòu)化分析實(shí)現(xiàn)
6.LangChain自動(dòng)生成并優(yōu)化Cypher查詢
7.LangServe發(fā)布圖譜服務(wù)器

第八部分: 融合知識(shí)庫(kù)與多鏈路召回實(shí)現(xiàn)智能檢索 1.何謂多鏈路召回與單路召回的區(qū)別
2.多源數(shù)據(jù)整合：知識(shí)庫(kù)、知識(shí)圖譜與結(jié)構(gòu)化數(shù)據(jù)庫(kù)
3.向量召回與語(yǔ)義檢索的融合策略
4.并行召回與串行召回機(jī)制分析
5.LangChain多路召回Pipeline設(shè)計(jì)
6.基于Embedding相似度的召回融合方法
7.構(gòu)建多鏈路召回的索引與緩存機(jī)制
8.通過(guò)LangChain實(shí)現(xiàn)多數(shù)據(jù)源統(tǒng)一檢索
9.實(shí)戰(zhàn)案例：企業(yè)知識(shí)庫(kù)+業(yè)務(wù)數(shù)據(jù)庫(kù)的混合召回
10.多鏈路召回性能優(yōu)化與準(zhǔn)確率提升策略

 

 

 

 

第三天
上午 第九部分: 過(guò)濾與二次重排構(gòu)建高精度智能檢索 1.何謂ReRank與傳統(tǒng)召回的關(guān)系
2.檢索前過(guò)濾與檢索后重排整體流程
3.LangChain中Retriever與Reranker組件機(jī)制
4.基于Embedding相似度與LLM語(yǔ)義打分的雙階段排序
5.Rerank模型（bge-reranker、cross-encoder）介紹
6.LangChain構(gòu)建二次重排Pipeline的實(shí)現(xiàn)路徑
7.結(jié)合BM25 +向量檢索+ReRank的混合策略
8.檢索重排性能對(duì)比與評(píng)估指標(biāo)設(shè)計(jì)
9.實(shí)戰(zhàn)案例：構(gòu)建高精度企業(yè)知識(shí)庫(kù)問(wèn)答系統(tǒng)
10.結(jié)合RAG與ReRank的智能知識(shí)檢索系統(tǒng)部署與優(yōu)化
第十部分: LangFlow：構(gòu)建低代碼RAG知識(shí)檢索系統(tǒng) 1.LangFlow平臺(tái)簡(jiǎn)介：可視化LangChain 的低代碼工具
2.RAG（檢索增強(qiáng)生成）整體架構(gòu)與核心流程
3.LangFlow 節(jié)點(diǎn)介紹：LLM、Retriever、Memory、Tool
4.加載并解析企業(yè)文檔數(shù)據(jù)（PDF/CSV/Markdown）
5.構(gòu)建向量索引與 Embedding 存儲(chǔ)（FAISS/Chroma）
6.可視化搭建 RAG 流程：從輸入到響應(yīng)的鏈路設(shè)計(jì)
7.添加上下文記憶與多輪對(duì)話邏輯
8.調(diào)試與參數(shù)優(yōu)化：Prompt模板與上下文窗口配置
9.部署LangFlow應(yīng)用并接入API調(diào)用
10.實(shí)戰(zhàn)案例：構(gòu)建企業(yè)知識(shí)文檔智能問(wèn)答系統(tǒng)
第三天
下午 第十一部分: 數(shù)據(jù)工程與大模型微調(diào) 1.大模型微調(diào)基礎(chǔ)原理與常見應(yīng)用場(chǎng)景
2.微調(diào)數(shù)據(jù)格式解析：ShareGPT與Alpaca格式規(guī)范
3.使用EasyData從文檔自動(dòng)生成 ShareGPT 格式數(shù)據(jù)集
4.摩搭社區(qū)（ModelScope）平臺(tái)介紹與模型下載流程
5.LlamaFactory微調(diào)框架概覽與環(huán)境配置
6.LoRA/QLoRA微調(diào)參數(shù)設(shè)置與模型訓(xùn)練實(shí)戰(zhàn)
7.模型驗(yàn)證與性能評(píng)估：Loss、F1、Perplexity
8.微調(diào)模型導(dǎo)出與轉(zhuǎn)換：從 HuggingFace到Safetensors
9.將微調(diào)模型上傳至摩搭平臺(tái)并發(fā)布推理服務(wù)
10.實(shí)戰(zhàn)案例：針對(duì)企業(yè)內(nèi)部知識(shí)問(wèn)答場(chǎng)景的微調(diào)實(shí)現(xiàn)
第十二部分: 微調(diào)后模型評(píng)測(cè)、效果對(duì)比與可視化評(píng)測(cè)報(bào)告 1.OpenCompass框架原理與安裝配置
2.Benchmark 測(cè)試體系介紹：通用任務(wù)與垂直任務(wù)集
3.微調(diào)模型的加載與評(píng)測(cè)準(zhǔn)備（SFT/LoRA模型）
4.通過(guò)OpenCompass執(zhí)行模型評(píng)測(cè)流程（命令行+配置文件）
5.常用評(píng)測(cè)指標(biāo)講解：BERTScore、BLEU、ROUGE、困惑度（Perplexity）
6.不同類型任務(wù)的評(píng)價(jià)策略：生成類vs分類類
7.微調(diào)前后模型性能對(duì)比與結(jié)果分析
8.結(jié)果可視化與報(bào)告生成（Precision/ Recall/F1對(duì)比）
9.實(shí)戰(zhàn)演示：評(píng)測(cè)DeepSeek微調(diào)版與原版輸出效果
10.基于評(píng)測(cè)結(jié)果優(yōu)化微調(diào)與業(yè)務(wù)落地建議 

➤ 劉老師 | 國(guó)內(nèi)頂尖AI專家、大數(shù)據(jù)技術(shù)專家
西安郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)。擁有著20多年軟件研發(fā)與企業(yè)培訓(xùn)經(jīng)驗(yàn)，對(duì)Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、大模型技術(shù)。他的專業(yè)素養(yǎng)和教學(xué)能力備受學(xué)員贊譽(yù)，是眾多技術(shù)愛好者心中的楷模。
AI深度學(xué)習(xí)方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、Yolo、OpenCV熟悉主流機(jī)器學(xué)習(xí)算法、各種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和圖形圖像識(shí)別技術(shù)。
LLM大模型方向：DeekSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微調(diào)、DeepSpeek分布式訓(xùn)練、MindFormers生態(tài)、MoE混合專家模型。能根據(jù)客戶的需求實(shí)現(xiàn)定制化的模型私有化部署、微調(diào)、對(duì)齊、量化。并對(duì)LangChain、LlamaIndex、Dify等大模型框架有源碼級(jí)的理解。
➤ 鄒老師 | 某工業(yè)大學(xué)人工智能研究院院長(zhǎng)
博士學(xué)歷，畢業(yè)于中國(guó)地質(zhì)科學(xué)院，兼任天津大學(xué)創(chuàng)業(yè)導(dǎo)師、山東交通學(xué)院客座教授、碩士生導(dǎo)師。主持研發(fā)50多個(gè)人工智能領(lǐng)域工業(yè)級(jí)項(xiàng)目，廣泛應(yīng)用于能源、醫(yī)療、交通、氣象、銀行等多個(gè)領(lǐng)域。
碩博期間主持研發(fā)大型行業(yè)建模軟件，代碼量100萬(wàn)行（從底層開發(fā)是考慮后期維護(hù)和產(chǎn)權(quán)）。創(chuàng)立的?？桶钆c國(guó)內(nèi)十多所高校建立了AI聯(lián)合實(shí)驗(yàn)室或?qū)嵱?xùn)基地廣泛應(yīng)用于醫(yī)療、交通、農(nóng)業(yè)、氣象、銀行、電信等多個(gè)領(lǐng)域。成立中國(guó)科學(xué)院鄒博人工智能研究中心，在翔創(chuàng)、天識(shí)等公司擔(dān)任技術(shù)顧問(wèn)，曾在多個(gè)在線平臺(tái)授課，廣受網(wǎng)友好評(píng)，累計(jì)學(xué)習(xí)人數(shù)超過(guò)百萬(wàn)。
公開出版《強(qiáng)化學(xué)習(xí)》《Python深度學(xué)習(xí)實(shí)踐》《自然語(yǔ)言處理》等11部專著和譯著。在國(guó)內(nèi)外期刊會(huì)議發(fā)表論文10余篇，獲得國(guó)家發(fā)明專利1項(xiàng)，著書1本，譯書6本。2017年主持科研項(xiàng)目榮獲國(guó)土資源科學(xué)技術(shù)一等獎(jiǎng)。
為眾多知名企業(yè)進(jìn)行過(guò)上百場(chǎng)講座和內(nèi)部培訓(xùn)，其中包括中國(guó)移動(dòng)、CSDN、中國(guó)建設(shè)銀行、花旗銀行、中信集團(tuán)、中航信、烽火科技、京東方、中科曙光、京東、大唐、完美世界等。 

• 關(guān)于舉辦“人工智能實(shí)踐項(xiàng)目案例分析與實(shí)戰(zhàn)應(yīng)用”培訓(xùn)班的通知

  開課時(shí)間：2026-03-26 — -0-0

  開課地點(diǎn)： 北京-北京

  第一天 深度學(xué)習(xí)基礎(chǔ) 1.神經(jīng)元與神經(jīng)網(wǎng)絡(luò) 2.激活函數(shù)的點(diǎn)火機(jī)制 3.Sigmoid函數(shù)與參數(shù)優(yōu)化 4.梯度下降法 5.簡(jiǎn)單感知機(jī) 6.多層感知機(jī) 7.Tensorflow實(shí)現(xiàn)感知機(jī) 8.Keras實(shí)現(xiàn)感知機(jī) 9.PyTorch實(shí)現(xiàn)感知機(jī) 深度學(xué)習(xí)進(jìn)階 1.前饋神經(jīng)網(wǎng)絡(luò) ..

  ￥6,800   元/ 天

  人氣：30  

  

• 關(guān)于舉辦“基于大模型的Agent技術(shù)應(yīng)用開發(fā)實(shí)踐” 培訓(xùn)班的通知

  開課時(shí)間：2026-04-26 — -0-0

  開課地點(diǎn)： 北京-北京

  第一天 第一部分:大模型驅(qū)動(dòng)的Agent智能體概述 1.智能體的定義與特點(diǎn) 2.智能體與傳統(tǒng)軟件的關(guān)系 3.智能體與LLM的關(guān)系 4.從ChatGPT到智能體 5.智能體的五種能力 6.記憶，規(guī)劃，工具，自主決策，推理 7.多智能體協(xié)作 8.企業(yè)級(jí)智能體應(yīng)用與任務(wù)規(guī)劃 9.智能體..

  ￥6,800   元/ 天

  人氣：64  

  

• 關(guān)于舉辦“房地產(chǎn)業(yè)納稅管理六大實(shí)用技能”培訓(xùn)通知

  開課時(shí)間：已開課

  開課地點(diǎn)： 河南-鄭州

  關(guān)于舉辦“房地產(chǎn)業(yè)納稅管理六大實(shí)用技能”培訓(xùn)通知‖2016年11月8–10日‖—‖鄭州•百利中州國(guó)際飯店‖—‖主講：陳老師‖‖專題背景‖ 2016年，房地產(chǎn)業(yè)全面“營(yíng)改增..

  ￥3,300   元/ 天

  人氣：2940  

  

• 關(guān)于舉辦“土地增值稅清算及企業(yè)所得稅后續(xù)管理中的風(fēng)險(xiǎn)控制案例精講班”的通知

  開課時(shí)間：已開課

  開課地點(diǎn)： 浙江-金華

  第一部分 房地產(chǎn)企業(yè)土地增值稅清算中的“5”項(xiàng)收入確定技巧及相關(guān)法律解析（一）有關(guān)銷售發(fā)票開具與否的收入確認(rèn)1、未開具發(fā)票或未全額開具發(fā)票但簽訂銷售合同的收入確認(rèn)2、未開具發(fā)票，未簽訂銷售合同但實(shí)際已（未）投入使用的收入確認(rèn)（二）房地產(chǎn)代收費(fèi)用的收入確認(rèn) ..

  ￥2,800   元/ 天

  人氣：2899  

  

• 關(guān)于舉辦設(shè)備點(diǎn)檢管理暨設(shè)備點(diǎn)檢員國(guó)家職業(yè)資格研修班的通知

  開課時(shí)間：已開課

  開課地點(diǎn)： 江蘇-無(wú)錫

  課程內(nèi)容（一）現(xiàn)代企業(yè)應(yīng)確立以點(diǎn)檢為核心的設(shè)備管理理念1. 當(dāng)代企業(yè)設(shè)備管理的現(xiàn)狀；2. 制約企業(yè)發(fā)展因素在設(shè)備管理上的表現(xiàn)；3. 必須改變誰(shuí)也管但誰(shuí)也不全管的現(xiàn)狀，設(shè)備管理的重心要下移；4. 設(shè)備管理要由“設(shè)備維修”向“生產(chǎn)維修&rdqu..

  ￥2,800   元/ 天

  人氣：1957  

  

• 關(guān)于舉辦第四期中高級(jí)設(shè)備維修工程師培訓(xùn)班的通知

  開課時(shí)間：已開課

  開課地點(diǎn)： 廣東-廣州

  第一部分 設(shè)備維修管理與技術(shù)基礎(chǔ)（1天）1、當(dāng)前主要有哪些現(xiàn)代設(shè)備維修理念； 2、怎樣確定設(shè)備點(diǎn)檢的方式方法；3、怎樣進(jìn)行故障的統(tǒng)計(jì)與分析； 4、怎樣進(jìn)行設(shè)備劣化分析與預(yù)防；5、怎樣制定設(shè)備檢修計(jì)劃。第二部分 主要設(shè)備故障的預(yù)防、檢測(cè)、診斷與處理（2天）1、設(shè)備磨損&mdas..

  ￥3,000   元/ 天

  人氣：4153  

  

• 關(guān)于舉辦TPM全員生產(chǎn)維護(hù)實(shí)戰(zhàn)研修班的通知

  開課時(shí)間：已開課

  開課地點(diǎn)： 浙江-杭州

  1、TPM概述 2、TPM基本理念 （1）TPM的內(nèi)涵 （2）TPM的“三全”理念（全員、全系統(tǒng)、全效率） 3、TPM活動(dòng)體系 （1）兩大基石 （2）五個(gè)要素 （3）三個(gè)目的 （4）八大支柱 4、TPM小組活動(dòng) （1）小組活動(dòng)的目標(biāo) （2）推動(dòng)..

  ￥3,400   元/ 天

  人氣：3638