课程简介
课程介绍大模型底层关键技术、底层架构原理以及核心框架技术，通过对大语言模型体系化的讲解和实战演练，帮助学员深入深度揭秘大模型技术内幕，为企业培养数智化人。
【课程收益】
1、梳理大语言模型知识体系，帮助学员了解中外前沿科技、方法工具和业内最佳实践；
2、通过案例讲解，帮助学员掌握大模型的底层原理和企业级智能应用架构设计；
3、帮助单位完善数字化人才梯队培养，助力企业快速度融入数智化变革浪潮；
目标收益
培训对象
希望掌握大模型底层原理、底层架构、提示词工程的在校学生、软件开发人员、售前工程师、在咨询顾问及业务人员。
课程大纲
| 第一天上午：算法框架篇 |
1. 介绍Transformer Transformer模型的背景和发展 Transformer的核心组件：自注意力机制、位置编码、编码器-解码器结构等 Hugging Face库简介 2. Transformer模型架构 Transformer的编码器和解码器结构 多头注意力机制的原理和作用 位置编码的重要性和实现方式 3. Hugging Face库入门 Hugging Face库的安装和基本使用 加载和使用预训练的Transformer模型 对文本数据进行编码和解码 案例练习：结合工业界应用场景对知识点进行代入式讲解，深入浅出帮助学员从道、法、术、器层面对大模型底层原理、核心技术、产业生态、商业应用有一个系统性的认识。 |
| 第一天下午： |
4. Transformer在NLP中的应用 介绍Transformer在自然语言处理中的应用领域 Transformer在机器翻译、文本生成等任务中的成功案例 5. 实践案例：文本分类任务 使用Hugging Face库和Transformer模型进行文本分类 数据准备、模型训练和评估 作业布置 练习使用Hugging Face库加载不同的Transformer模型 完成一个简单的文本生成任务 案例研讨：结合课程内容进行讲解 |
|
第二天上午： BERT |
介绍BERT BERT模型的背景和创新之处 BERT的预训练机制和微调方法 BERT模型架构和特点 2. BERT模型细节 BERT的嵌入层、Transformer编码器和输出层 BERT的Masked Language Model (MLM) 和 Next Sentence Prediction (NSP)任务 3. Fine-tuning BERT BERT模型微调的步骤和技巧 使用Hugging Face库进行BERT模型微调 |
|
第二天下午： BERT案例 |
4. BERT在NLP中的应用 介绍BERT在自然语言处理领域的广泛应用 BERT在问答、命名实体识别等任务中的成功案例 5. 实践案例：情感分析任务 使用BERT模型进行情感分析任务 数据处理、模型微调和结果评估 6. 总结和展望 总结Transformer和BERT模型的重要性和应用价值 展望Transformer模型的未来发展方向 |
|
第一天上午：算法框架篇 1. 介绍Transformer Transformer模型的背景和发展 Transformer的核心组件：自注意力机制、位置编码、编码器-解码器结构等 Hugging Face库简介 2. Transformer模型架构 Transformer的编码器和解码器结构 多头注意力机制的原理和作用 位置编码的重要性和实现方式 3. Hugging Face库入门 Hugging Face库的安装和基本使用 加载和使用预训练的Transformer模型 对文本数据进行编码和解码 案例练习：结合工业界应用场景对知识点进行代入式讲解，深入浅出帮助学员从道、法、术、器层面对大模型底层原理、核心技术、产业生态、商业应用有一个系统性的认识。 |
|
第一天下午： 4. Transformer在NLP中的应用 介绍Transformer在自然语言处理中的应用领域 Transformer在机器翻译、文本生成等任务中的成功案例 5. 实践案例：文本分类任务 使用Hugging Face库和Transformer模型进行文本分类 数据准备、模型训练和评估 作业布置 练习使用Hugging Face库加载不同的Transformer模型 完成一个简单的文本生成任务 案例研讨：结合课程内容进行讲解 |
|
第二天上午： BERT 介绍BERT BERT模型的背景和创新之处 BERT的预训练机制和微调方法 BERT模型架构和特点 2. BERT模型细节 BERT的嵌入层、Transformer编码器和输出层 BERT的Masked Language Model (MLM) 和 Next Sentence Prediction (NSP)任务 3. Fine-tuning BERT BERT模型微调的步骤和技巧 使用Hugging Face库进行BERT模型微调 |
|
第二天下午： BERT案例 4. BERT在NLP中的应用 介绍BERT在自然语言处理领域的广泛应用 BERT在问答、命名实体识别等任务中的成功案例 5. 实践案例：情感分析任务 使用BERT模型进行情感分析任务 数据处理、模型微调和结果评估 6. 总结和展望 总结Transformer和BERT模型的重要性和应用价值 展望Transformer模型的未来发展方向 |
近期公开课推荐
