大模型的微调和部署-周红伟老师

培训内容

机器学习算法体系架构 机器学习算法分类 机器学习算法在移动的应用实践 机器学习算法案例实操 机器学习和深度学习、强化学学习、大模型 机器学习发展趋势

线性回归模型的原理剖析+实战应用 回归模型的评价指标 模型的交叉验证 分类模型的评价指标 模型的过拟合和欠拟合的处理 集成算法的原理剖析+实战应用 逻辑回归的原理剖析+实战应用 聚类算法的原理剖析+实战应用 算法模型的部署和应用 聚类算法 贝叶斯算法

基本原理及关键技术 Sigmoid函数 梯度下降法 神经网络整体架构 卷积神经网络原理与参数解读 递归神经网络与词向量原理解读 深度学习必备基础知识点

图神经网络模型拓展应用 AI领域各经典模型架构分析 PyTorch框架基本处理操作 神经网络实战分类与回归任务 卷积神经网络原理与参数解读 图像识别核⼼模块实战解读 迁移学习的作⽤与应⽤实例 递归神经网络与词向量原理解读 百度与商汤核心项目技术细节分析

图像识别基础算法 OpenCV图像识别 图像分类CNN识别算法 知识图谱概述 知识图谱构建方法 知识图谱应用场景

大模型算法原理 大主流大模型适用场景 大模型优劣势分析 Vision Transformer简介 --Transformer核心结构 --视觉自注意力问题 --Vision Transformer Vision Transformer结构 --Vision Transformer整体架构 --Patch Embedding层 --位置编码 --Transformer Encoder模块 --MLP分类头 --Vision Transformer训练 实操演练：Vision Transformer图像分类 DiT模型简介 生成式学习策略 --策略一：“各个击破” --策略二：“一次到位” --“各个击破”VS. “一次到位” --“各个击破”+“一次到位” Diffusion模型简介 --Diffusion Model工作原理 --Stable Diffusion模型架构 LLM原理及关键技术 --大型语言模型（LLM）发展历程 --LLM中的关键技术 --LLM的训练过程 --LLM微调流程和方法 --LLM未来发展

LangChain等工具的使用与实战演练 LLM应用程序技术栈和提示词工程Prompt Enginerring Embedding嵌入 Embedding技术在大模型中的应用 商用项目实战讲解 使用大模型实现金融产品推荐系统 企业自然语言sql生成 实体和关系信息抽取

国产大模型Qwen介绍与实战 基于国产大模型Qwen打造自动数据分析Agent 文生图 图像嵌入文字 图像理解和应用实

大语言模型工作流和技术栈 大模型语料介绍 大模型微调介绍 大模型知识检索增强简介 大模型评测介绍 大模型内容安全介绍 大语言模型环境搭建及相关说明 --包括使用到的开源大模型，语料集，操作全流程等 --实验环境，个人或分组环境信息，以及相关操作说明 实验准备 --涉及的源码、预训练模型文件和词表文件等下载 语料准备及操作演练 模型训练及推理部署演练 模型微调、知识增强，LoRA微调体验演练 总结与回顾