课程简介
课程讲授人是从事深度学习项目管理的人员，带队完成了数十个AI项目，内容不仅包括深度学习、机器学习、数据挖掘等具体技术要点，也包括AI的整体发展、现状、应用、商业价值、未来方向等，涵盖内容非常丰富。
邹伟，长春工业大学人工智能研究院院长，工程学术带头人、华东建筑设计研究总院研究员、山东交通学院客座教授、南昌航空大学硕士生导师、中国软件行业协会专家委员、上海市计划生育科学研究所特聘专家、天津大学创业导师、中华中医药学会会员、中国医药教育协会老年运动与健康分会学术委员；领导睿客邦与全国二十多所高校、国企建立了AI联合实验室，完成50多个深度学习实践项目，广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。
目标收益
1，整体把握机器学习、深度学习、数据挖掘的发展方向
2，了解机器学习、深度学习、计算机视觉的技术框架
3，理解机器学习和深度学习的思维方式和关键技术
4，了解深度学习和机器学习在当前工业界的落地应用
5，了解AI顶会论文和最新技术热点
培训对象
课程大纲
| 第一节：多模态模型 |
编码器、解码器 自注意力机制 Transformer 、 Mask Multi-Head Attention 特定于任务的输入转换 无监督预训练、有监督 Fine-tuning GPT2：多任务系统 GPT3：少样本、零样本学习 meta-learning（元学习）和in-context learning（基于上下文的学习） 实战：高考作文神器（writeGPT） 安装环境：OpenCV, Pandas，Regex ，Numpy ，Requests 摄像头读题、EAST文本检测、 通顺度判断 作文生成 实战：古诗词GPT（chineseGPT） 散文生成、诗词模型、对联模型、文言文模型 |
| 第二节：从GPT3到chatGPT |
监督微调（SFT）模型、 指示学习和提示学习 简单提示、小样本提示、基于用户的提示 指令微调 RLLHF技术详解（从人类的反馈中学习） 聚合问答数据训练奖励模型（RM） 强化学习微调、PPO、 InstructGPT遵循用户意图使用强化学习方案 Instruct Learning vs. Prompt Learning ChatGPT增加增加了Chat属性 AI 系统的新范式 GPT1-GPT2-GPT3-InstructGPT的-chatGPT的技术关系 实战：使用chatGPT打造你的私人聊天助理（revchatGPT） 实战：演示提示词技巧，翻译器润色器、JavaScript 控制台 、Excel Sheet 实战：网站定制chatgpt-web 安装环境pnpm |
| 第三节：生成模型AutoGPT等实战 |
环境: VSCode + devcontainer:、Docker、Python 3.10 配置OpenAI的API 配置谷歌API/ 配置Pinecone API 安装插件 Milvus设置 实战： 小助理, 完成代办事项列表中的任务 帮助进行市场调研，并撰写最佳产品摘要 生成一个 GPT-4 代理来完成添加到待办事项列表中的任何任务 自行阅读近期发生的事件自行总结并且撰写播客内容 自行写博客 化身24小时智能客服 |
| 第四节：大模型中的强化学习 |
强化学习核心机制 深度学习和强化学习的结合 强化学习是“左右互搏”之术吗？ SARSA和Q-Learning 时序差分简介、TD目标值 / TD 误差 DP/MC/TD对比 在线策略TD：Sarsa算法 离线策略TD：Q-learning算法 表格型强化学习/函数近似型强化学习 线性逼近/非线性逼近 值函数逼近的Sarsa算法 值函数逼近的Q-learning算法 人工神经网络（卷积、池化、全连接） DQN方法 Double DQN方法 Dueling DQN方法 DQN、Double DQN AlphaGo在其中起的作用 策略梯度PG和PPO算法 RLHF：从人类的反馈中学习（经典论文学习） 再看 InstructGPT遵循用户意图使用强化学习方案 |
| 第五节：扩散模型 |
GAN-VAE-流模型-扩散模型的技术发展和变化 CLIP和扩散模型的结合：基于CLIP模型的多模态引导图像生成：图文引导 GLIDE：文本引导 Diffusion-CLIP模型 扩散和去噪(Diffusion&Denoise) 训练和采样(Training&Sampling) 离散步骤的马尔可夫链 分子热动力学的扩散过程 离散加噪 DDPM-最经典的扩散模型 DDIM：加速采样、可控扩散 IVLR：迭代去燥的图像编辑，低通滤波上采样 RePaint: 被掩码的区域进行扩散生成 代码和案例实践一： 低质量噪声图像修复 精确复原原图 图像去除遮挡、图像补全 图像生成（人物恢复青春、人物变瘦） 第二节： 引导扩散模型-图文引导图像生成 图像引导、文本引导、图像+文本引导 CLIP和扩散模型的结合：基于CLIP模型的多模态引导图像生成：图文引导 GLIDE：文本引导 DALL·E 2：diffusion model和CLIP结合在一起 隐式分类器引导的图像生成 Blended Diffusioni模型 Diffusion-CLIP模型 DiffEdit模型 分别实现图像引导、文字引导、图文引导下的图片生成 Diffusion LM 本人在央企数字化转型中的实践体会 知识图谱-图网络等“边缘技术”在AIGC中的应用 AIGC的可能应用领域和行业影响 |
|
第一节：多模态模型 编码器、解码器 自注意力机制 Transformer 、 Mask Multi-Head Attention 特定于任务的输入转换 无监督预训练、有监督 Fine-tuning GPT2：多任务系统 GPT3：少样本、零样本学习 meta-learning（元学习）和in-context learning（基于上下文的学习） 实战：高考作文神器（writeGPT） 安装环境：OpenCV, Pandas，Regex ，Numpy ，Requests 摄像头读题、EAST文本检测、 通顺度判断 作文生成 实战：古诗词GPT（chineseGPT） 散文生成、诗词模型、对联模型、文言文模型 |
|
第二节：从GPT3到chatGPT 监督微调（SFT）模型、 指示学习和提示学习 简单提示、小样本提示、基于用户的提示 指令微调 RLLHF技术详解（从人类的反馈中学习） 聚合问答数据训练奖励模型（RM） 强化学习微调、PPO、 InstructGPT遵循用户意图使用强化学习方案 Instruct Learning vs. Prompt Learning ChatGPT增加增加了Chat属性 AI 系统的新范式 GPT1-GPT2-GPT3-InstructGPT的-chatGPT的技术关系 实战：使用chatGPT打造你的私人聊天助理（revchatGPT） 实战：演示提示词技巧，翻译器润色器、JavaScript 控制台 、Excel Sheet 实战：网站定制chatgpt-web 安装环境pnpm |
|
第三节：生成模型AutoGPT等实战 环境: VSCode + devcontainer:、Docker、Python 3.10 配置OpenAI的API 配置谷歌API/ 配置Pinecone API 安装插件 Milvus设置 实战： 小助理, 完成代办事项列表中的任务 帮助进行市场调研，并撰写最佳产品摘要 生成一个 GPT-4 代理来完成添加到待办事项列表中的任何任务 自行阅读近期发生的事件自行总结并且撰写播客内容 自行写博客 化身24小时智能客服 |
|
第四节：大模型中的强化学习 强化学习核心机制 深度学习和强化学习的结合 强化学习是“左右互搏”之术吗？ SARSA和Q-Learning 时序差分简介、TD目标值 / TD 误差 DP/MC/TD对比 在线策略TD：Sarsa算法 离线策略TD：Q-learning算法 表格型强化学习/函数近似型强化学习 线性逼近/非线性逼近 值函数逼近的Sarsa算法 值函数逼近的Q-learning算法 人工神经网络（卷积、池化、全连接） DQN方法 Double DQN方法 Dueling DQN方法 DQN、Double DQN AlphaGo在其中起的作用 策略梯度PG和PPO算法 RLHF：从人类的反馈中学习（经典论文学习） 再看 InstructGPT遵循用户意图使用强化学习方案 |
|
第五节：扩散模型 GAN-VAE-流模型-扩散模型的技术发展和变化 CLIP和扩散模型的结合：基于CLIP模型的多模态引导图像生成：图文引导 GLIDE：文本引导 Diffusion-CLIP模型 扩散和去噪(Diffusion&Denoise) 训练和采样(Training&Sampling) 离散步骤的马尔可夫链 分子热动力学的扩散过程 离散加噪 DDPM-最经典的扩散模型 DDIM：加速采样、可控扩散 IVLR：迭代去燥的图像编辑，低通滤波上采样 RePaint: 被掩码的区域进行扩散生成 代码和案例实践一： 低质量噪声图像修复 精确复原原图 图像去除遮挡、图像补全 图像生成（人物恢复青春、人物变瘦） 第二节： 引导扩散模型-图文引导图像生成 图像引导、文本引导、图像+文本引导 CLIP和扩散模型的结合：基于CLIP模型的多模态引导图像生成：图文引导 GLIDE：文本引导 DALL·E 2：diffusion model和CLIP结合在一起 隐式分类器引导的图像生成 Blended Diffusioni模型 Diffusion-CLIP模型 DiffEdit模型 分别实现图像引导、文字引导、图文引导下的图片生成 Diffusion LM 本人在央企数字化转型中的实践体会 知识图谱-图网络等“边缘技术”在AIGC中的应用 AIGC的可能应用领域和行业影响 |
近期公开课推荐
