人工智能培訓(xùn)

  培訓(xùn)講師:李海良

講師背景:
李海良老師暨南大學(xué)副教授,碩士生導(dǎo)師,九三學(xué)社社員,中山大學(xué)工學(xué)博士香港城市大學(xué)訪問學(xué)者廣東工業(yè)大學(xué)校外合作研究生導(dǎo)師研究方向?yàn)樯疃葘W(xué)習(xí)、圖像識別、智慧綜合能源和能源大數(shù)據(jù)簡介l2018年獲得中山大學(xué)工學(xué)博士學(xué)位,2019年至2021年在暨 詳細(xì)>>

李海良
    課程咨詢電話:

人工智能培訓(xùn)詳細(xì)內(nèi)容

人工智能培訓(xùn)

第一天:人工智能基礎(chǔ)理論
主題:機(jī)器學(xué)習(xí),深度學(xué)習(xí),大模型,多模態(tài)
1. 機(jī)器學(xué)習(xí)基礎(chǔ)
1.1 機(jī)器學(xué)習(xí)的基本概念
機(jī)器學(xué)習(xí)的定義與重要性
數(shù)據(jù)驅(qū)動的方法與傳統(tǒng)編程的區(qū)別
1.2 常見的機(jī)器學(xué)習(xí)算法及其應(yīng)用場景
線性回歸:用于預(yù)測連續(xù)值
邏輯回歸:用于二分類問題
決策樹與隨機(jī)森林:用于分類和回歸
支持向量機(jī)(SVM):用于分類問題
2. 深度學(xué)習(xí)基礎(chǔ)
2.1 深度學(xué)習(xí)的基本原理
人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作原理
激活函數(shù):Sigmoid、ReLU、Tanh等
2.2 關(guān)鍵技術(shù)
反向傳播算法:損失函數(shù)與梯度下降法
2.3 實(shí)例分析:前饋神經(jīng)網(wǎng)絡(luò)、誤差反向傳播
使用TensorFlow/Keras構(gòu)建簡單神經(jīng)網(wǎng)絡(luò)
實(shí)戰(zhàn)演練:使用神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫數(shù)字識別
3. 大模型基礎(chǔ)
3.1 大模型的基本概念和原理
大模型的定義與特征
大模型的發(fā)展歷程與重要里程碑
3.2 主流大模型的適用場景及優(yōu)劣勢分析
GPT-3、BERT等模型的特點(diǎn)與應(yīng)用場景
4. 多模態(tài)技術(shù)
4.1 多模態(tài)的定義及其重要性
多模態(tài)數(shù)據(jù)融合的原理與方法
多模態(tài)技術(shù)在實(shí)際應(yīng)用中的重要性
4.2 典型應(yīng)用案例分析
圖像描述生成:結(jié)合圖像與文本的數(shù)據(jù)
語音識別與合成:結(jié)合音頻與文本的數(shù)據(jù)
第二天:大模型實(shí)戰(zhàn)理論與基礎(chǔ)
主題:大模型理論知識與基礎(chǔ)應(yīng)用
1. 大模型的深入理解
1.1 自注意力機(jī)制
注意力機(jī)制的原理與發(fā)展
自注意力在文本處理中的應(yīng)用
1.2 Transformer模型
Transformer模型的結(jié)構(gòu)與工作原理
位置編碼與多頭注意力機(jī)制的詳細(xì)講解
實(shí)戰(zhàn)演練:實(shí)現(xiàn)簡單的Transformer模型
1.3 BERT模型介紹
BERT模型的雙向編碼器表示
BERT模型的預(yù)訓(xùn)練與微調(diào)過程
實(shí)戰(zhàn)演練:使用BERT進(jìn)行文本分類任務(wù)
2. Embedding嵌入技術(shù)在大模型中的應(yīng)用
2.1 詞嵌入(Word Embedding)
Word2Vec、GloVe、FastText的基本原理
實(shí)戰(zhàn)演練:構(gòu)建并可視化詞嵌入模型
2.2 句子嵌入(Sentence Embedding)
句子嵌入技術(shù)及其在文本相似度計(jì)算中的應(yīng)用
2.3 上下文嵌入(Contextual Embedding)
上下文嵌入的概念及其在大模型中的應(yīng)用
3. 工具與平臺
3.1 LLM應(yīng)用程序技術(shù)棧和提示詞工程(Prompt Engineering)
提示詞工程的基本概念與重要性
提示詞設(shè)計(jì)與優(yōu)化的技巧
實(shí)戰(zhàn)演練:設(shè)計(jì)并優(yōu)化提示詞進(jìn)行文本生成
3.2 LangChain等工具的使用與基本演練
安裝與配置LangChain
LangChain的基本使用方法與實(shí)際應(yīng)用案例
4. 實(shí)戰(zhàn)演練
4.1 基于大模型的文本生成與理解
文本生成任務(wù):生成詩歌、新聞、故事等
文本理解任務(wù):情感分析、主題建模
實(shí)戰(zhàn)演練:使用大模型進(jìn)行文本生成與分析
第三天:大模型實(shí)戰(zhàn)深入應(yīng)用
主題:高級大模型應(yīng)用與實(shí)戰(zhàn)
1. 國產(chǎn)大模型Qwen介紹與應(yīng)用
1.1 Qwen模型的基本原理與優(yōu)勢
Qwen模型的架構(gòu)與關(guān)鍵技術(shù)
Qwen模型在實(shí)際應(yīng)用中的表現(xiàn)與優(yōu)勢
1.2 Qwen模型在自動數(shù)據(jù)分析中的應(yīng)用
數(shù)據(jù)預(yù)處理與特征工程
實(shí)戰(zhàn)演練:使用Qwen模型進(jìn)行數(shù)據(jù)分析
2. 實(shí)戰(zhàn)演練
2.1 基于Qwen模型的自動數(shù)據(jù)分析Agent構(gòu)建
自動數(shù)據(jù)分析Agent的設(shè)計(jì)與實(shí)現(xiàn)
數(shù)據(jù)收集、預(yù)處理與分析
分析結(jié)果的可視化與報(bào)告生成
實(shí)戰(zhàn)演練:構(gòu)建并部署自動數(shù)據(jù)分析Agent
3. 模型微調(diào)與優(yōu)化
3.1 大模型微調(diào)技術(shù)及實(shí)戰(zhàn)
遷移學(xué)習(xí)與微調(diào)技術(shù)的詳細(xì)講解
微調(diào)模型的具體步驟與注意事項(xiàng)
實(shí)戰(zhàn)演練:微調(diào)大模型進(jìn)行特定任務(wù)
3.2 微調(diào)后的模型評估與優(yōu)化
模型評估指標(biāo):準(zhǔn)確率、召回率、F1分?jǐn)?shù)
模型優(yōu)化技術(shù):正則化、超參數(shù)調(diào)優(yōu)
實(shí)戰(zhàn)演練:評估與優(yōu)化微調(diào)后的模型
第四天:大模型實(shí)戰(zhàn)應(yīng)用擴(kuò)展
主題:大模型的擴(kuò)展應(yīng)用與優(yōu)化
1. 大模型在圖像處理中的應(yīng)用
1.1 文生圖技術(shù)介紹
文本生成圖像的基本原理與方法
常見的文生圖模型:DALL-E、CLIP等
實(shí)戰(zhàn)演練:使用CLIP生成圖像
1.2 圖像嵌入文字與圖像理解
圖像描述生成:結(jié)合圖像與文本生成描述
2. 實(shí)戰(zhàn)演練
2.1 圖像生成與處理應(yīng)用實(shí)操
使用DALL-E生成圖像并進(jìn)行分析
基于圖像的文本生成任務(wù)
實(shí)戰(zhàn)演練:生成并解釋圖像描述
3. 大模型在商業(yè)項(xiàng)目中的應(yīng)用
3.1 真實(shí)商業(yè)項(xiàng)目案例分析
智能客服系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
自動化營銷分析工具的開發(fā)與應(yīng)用
第五天:大模型實(shí)戰(zhàn)綜合項(xiàng)目
主題:商用項(xiàng)目實(shí)戰(zhàn)與總結(jié)
1. 綜合實(shí)戰(zhàn)項(xiàng)目
1.1 從頭到尾的項(xiàng)目實(shí)戰(zhàn):定義、設(shè)計(jì)、實(shí)施與測試
項(xiàng)目選題與需求分析
項(xiàng)目設(shè)計(jì)與實(shí)現(xiàn)
項(xiàng)目測試與優(yōu)化
實(shí)戰(zhàn)演練:完整項(xiàng)目的設(shè)計(jì)、實(shí)現(xiàn)與測試
2. 項(xiàng)目展示與評估
2.1 各小組展示項(xiàng)目成果
項(xiàng)目展示與講解
項(xiàng)目評估與反饋
2.2 評估與反饋
評估標(biāo)準(zhǔn)與反饋機(jī)制
反饋與改進(jìn)建議
3. 總結(jié)與答疑
3.1 培訓(xùn)總結(jié)與重要知識點(diǎn)回顧
主要知識點(diǎn)的總結(jié)
關(guān)鍵技能的回顧
3.2 問答與交流
學(xué)員提問與解答
培訓(xùn)反饋與改進(jìn)建議
這五天培訓(xùn)大綱,確保涵蓋了理論知識和實(shí)戰(zhàn)演練,幫助學(xué)員深入理解并掌握相關(guān)技術(shù)。

 

李海良老師的其它課程

《大數(shù)據(jù)技術(shù)及應(yīng)用》課程教學(xué)大綱一、課程基本信息課程名稱大數(shù)據(jù)技術(shù)及應(yīng)用(英文名稱)BigdatatechnologyandApplication課程學(xué)時(shí)理論8小時(shí),實(shí)驗(yàn)4小時(shí)授課方式多媒體+實(shí)踐考核方式實(shí)踐考試+課程論文開課單位先修課程C語言程序設(shè)計(jì);Java程序設(shè)計(jì);數(shù)據(jù)結(jié)構(gòu);Linux操作系統(tǒng);后續(xù)課程大數(shù)據(jù)算法;適用專業(yè)數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、人工智能

 講師:李海良詳情


大語言模型開發(fā)與訓(xùn)練培訓(xùn)大綱第一天:基礎(chǔ)知識與初步實(shí)踐上午:理論基礎(chǔ)與工具準(zhǔn)備1.歡迎與介紹培訓(xùn)目標(biāo)和內(nèi)容概述參與者自我介紹與期望2.大語言模型概述2.1什么是大語言模型(LLM)定義與基本概念介紹Transformer架構(gòu)及其在自然語言處理中的重要性2.2LLM的應(yīng)用場景和優(yōu)勢介紹LLM在文本生成、翻譯、問答系統(tǒng)、文本摘要等方面的應(yīng)用主要的LLM架構(gòu)GPT

 講師:李海良詳情


ZQBKAHoAdABYAGUAOQB2AEUAMgBVAGMAdgAyAHUANwA5AHYAbwBNAEEAegBhAFMAawBFAFoARAA2AFIAeAAwAHAAUwAyADMARABqAEoAUwBqAEgARQBiAEkAVQBBAGkAVwBiAFoASgBvAHMAdABpAGIAdQAwAEQAcQAzAFIAMwB5AC8AVQBx

 講師:李海良詳情


ZQBKAHoAdABYAGUAOQB2AEUAMgBVAGMAdgAyAHUANwA5AHYAbwBNAEEAegBhAFMAawBFAFoARAA2AFIAeAAwAHAAUwAyADMARABqAEoAUwBqAEgARQBiAEkAVQBBAGkAVwBiAFoASgBvAHMAdABpAGIAdQAwAEQAcQAzAFIAMwB5AC8AVQBx

 講師:李海良詳情


人工智能   08.29

人工智能課程大綱人工智能課程大綱一、課程介紹人工智能是現(xiàn)代科技領(lǐng)域的熱點(diǎn)之一,本課程旨在介紹人工智能的基本理論、應(yīng)用領(lǐng)域以及相關(guān)技術(shù)。通過本課程的學(xué)習(xí),學(xué)生將了解人工智能的概念、發(fā)展歷程以及未來發(fā)展趨勢,掌握人工智能的基本原理和各種算法模型,并學(xué)會應(yīng)用人工智能技術(shù)解決實(shí)際問題。二、課程目標(biāo)1.理解人工智能的基本概念和原理;2.熟悉人工智能的發(fā)展歷程和應(yīng)用領(lǐng)域

 講師:李海良詳情


人工智能基礎(chǔ)理論主題:機(jī)器學(xué)習(xí),深度學(xué)習(xí),大模型,多模態(tài)1.機(jī)器學(xué)習(xí)基礎(chǔ)1.1機(jī)器學(xué)習(xí)的基本概念機(jī)器學(xué)習(xí)的定義與重要性數(shù)據(jù)驅(qū)動的方法與傳統(tǒng)編程的區(qū)別1.2常見的機(jī)器學(xué)習(xí)算法及其應(yīng)用場景線性回歸:用于預(yù)測連續(xù)值邏輯回歸:用于二分類問題決策樹與隨機(jī)森林:用于分類和回歸支持向量機(jī)(SVM):用于分類問題2.深度學(xué)習(xí)基礎(chǔ)2.1深度學(xué)習(xí)的基本原理人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工

 講師:李海良詳情


《軟件工程設(shè)計(jì)》課程教學(xué)大綱總學(xué)時(shí)數(shù):60學(xué)時(shí),其中:理論教學(xué)30學(xué)時(shí),實(shí)踐教學(xué)30學(xué)時(shí)學(xué)分:先修課程:《計(jì)算機(jī)基礎(chǔ)》,《C語言程序設(shè)計(jì)》,《數(shù)據(jù)結(jié)構(gòu)》和《數(shù)據(jù)庫原理及其應(yīng)用》考核方式:考試一、制訂大綱的依據(jù)本大綱根據(jù)2020年計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)教學(xué)計(jì)劃制訂二、課程簡介軟件工程作為一門專業(yè)主干課,重點(diǎn)要求學(xué)生學(xué)習(xí)與軟件開發(fā)和維護(hù)有關(guān)的四個(gè)方面的主要內(nèi)容——過

 講師:李海良詳情


網(wǎng)絡(luò)安全滲透測試培訓(xùn)大綱---培訓(xùn)目標(biāo):本培訓(xùn)旨在通過五天的學(xué)習(xí),使學(xué)員全面掌握網(wǎng)絡(luò)安全滲透測試的理論知識與實(shí)踐技能。培訓(xùn)將理論與實(shí)踐相結(jié)合,確保學(xué)員能夠在理解滲透測試原理的基礎(chǔ)上,熟練運(yùn)用各種工具和技術(shù)進(jìn)行實(shí)際操作。通過培訓(xùn),學(xué)員將能夠獨(dú)立完成滲透測試項(xiàng)目,提升網(wǎng)絡(luò)安全防護(hù)與應(yīng)急響應(yīng)能力。---第一天:滲透測試基礎(chǔ)與理論上午-網(wǎng)絡(luò)安全概述-網(wǎng)絡(luò)安全的重要性

 講師:李海良詳情


業(yè)務(wù)數(shù)字化方法論課程背景:一方面,隨著信息化的深入,在傳統(tǒng)IT建設(shè)方式下,企業(yè)獨(dú)立采購或者自建的各種企業(yè)信息系統(tǒng),在內(nèi)部數(shù)據(jù)無法互通,難以配合業(yè)務(wù)數(shù)字化的快速發(fā)展;另一方面,云服務(wù)的出現(xiàn),讓硬件基礎(chǔ)設(shè)施轉(zhuǎn)向成數(shù)據(jù)云策略,讓IT架構(gòu)更靈活,但這也讓互聯(lián)互通困擾企業(yè)發(fā)展。數(shù)據(jù)中臺和業(yè)務(wù)中臺是企業(yè)數(shù)字化轉(zhuǎn)型的必然產(chǎn)物。中臺架構(gòu)作為整個(gè)企業(yè)各個(gè)業(yè)務(wù)所需數(shù)據(jù)服務(wù)的提供

 講師:李海良詳情


深度學(xué)習(xí)框架技術(shù)培訓(xùn)課程大綱第一天:深度學(xué)習(xí)基礎(chǔ)與框架概述上午:深度學(xué)習(xí)入門深度學(xué)習(xí)歷史與基本原理神經(jīng)網(wǎng)絡(luò)基礎(chǔ):感知機(jī)、多層前饋網(wǎng)絡(luò)激活函數(shù)與損失函數(shù)介紹反向傳播算法原理深度學(xué)習(xí)框架重要性為什么需要深度學(xué)習(xí)框架主流深度學(xué)習(xí)框架概覽(TensorFlow,PyTorch,Keras,MXNet等)框架選擇考量因素下午:TensorFlow框架基礎(chǔ)TensorF

 講師:李海良詳情


COPYRIGT @ 2001-2018 HTTP://musicmediasoft.com INC. ALL RIGHTS RESERVED. 管理資源網(wǎng) 版權(quán)所有