一、GPT和大模型基础
1.GPT等生成式AI的概念与发展历程
1)介绍AIGC和大模型等相关概念,以及GPT从提出到GPT-4的发展历程
2.GPT的原理
1)讲解生成式AI、大语言模型、GPT的原理
二、大模型行业落地与应用开发
1.GPT等大模型典型应用案例
1)大模型在行业中的典型应用案例,包括数据质量提升、财报及市场动态分析、客服机器人等场景。
2.GPT的API及Prompt Engineering,function calling和assistant API
1)如何基于GPT的API开发智能应用和机器人。介绍Prompt Engineering,结合应用探讨Prompt Engineering的方法与作用。
2)介绍GPT API的一些高级用法,包括function calling和assistant API
3)案例详解:金融政策问答
3.让GPT利用企业自身的文档与数据
1)通过embedding、向量数据库等技术,将企业里自身的文档与数据接入到GPT。
2)案例详解:上市公司财报分析、售前/售后技术支持
4.让GPT从外部世界获取信息
1)如何将GPT对接到搜索引擎,并利用大语言模型的能力筛选和处理搜索结果
2)案例详解:个性化的“朝闻天下”、市场情绪分析
5.通过function calling和assistant API让GPT从事更复杂的工作
1)介绍如何借助GPT的一些高级API如function calling和assistant API来完成复杂任务,并探讨如何在其他大模型上实现这两种API。
2)案例详解:Code-Chat-Reviewer
6.GPT的微调
1)澄清业界对于“微调”的一些误解,结合实际案例介绍如何微调GPT模型并进行应用。
2)案例详解:数据结构化与数据质量提升
7.AI Agent
1)随着GPT火起来的“Agent”是什么?如何构建AI Agent及应用前景
三、国产与开源大模型以及安全问题
1.典型国产与开源大模型简介
1)国产商用大模型及GLM、llama-2等开源大模型及生态
2.典型开源大模型的部署
1)介绍如何运行开源大模型并将其部署为HTTP服务对外提供访问
3.开源大模型的微调
1)介绍大模型微调的底层原理,并结合案例介绍如何对一个开源大模型进行LoRA微调
4.基于国产与开源大模型构建行业应用
1)展示基于国产与开源大模型构建行业应用,与GPT进行比较
5.安全与合规
1)介绍如何在一定范围内合法合规访问GPT,探讨使用国产和自己部署开源大模型需要注意的安全问题
四、总结与展望
1.重点回顾
1)回顾课程重点。
2.未来展望
1)展望未来大模型技术发展趋势,以及对企业和岗位的影响
课程周期:
16小时(45分钟/课时)