主讲内容

面向对象
网络编程及多线程编程
Python高级语法
Python数据结构

可掌握的核心能力

1. 初步建立面向对象的编程思维
2. 掌握类和对象的基本使用方式
3. 掌握网络编程技术，能够实现网络通讯
4. 知道通讯协议原理
5. 掌握开发中的多任务编程实现方式
6. 知道多进程多线程的原理

主讲内容

Linux进阶
SQL基础
Numpy矩阵运算
Pandas统计分析
数据分析项目

可掌握的核心能力

1. 掌握 Linux 常用命令，为数据开发后续学习打下的良好基础
2. 掌握 MySQL 数据库的使用
3. 掌握 SQL 语法
4. 掌握使用 Python 操作数据库
5. 掌握 Pandas 案例
6. 知道常见绘图库使用
7. 掌握 Pandas 数据 ETL
8. 掌握 Pandas 数据分析项目流程

主讲内容

机器学习入门
K近邻算法
线性回归
逻辑回归
聚类算法
决策树
集成学习
综合案例：南方电网电力负荷预测

可掌握的核心能力

1. 掌握机器学习算法基本原理
2. 掌握使用机器学习模型训练的基本流程
3. 掌握 Sklearn 等常用机器学习相关开源库使用
4. 熟练使用机器学习相关算法进行预测分析

主讲内容

深度学习多框架对比
神经网络基础
Pytorch框架
RNN基础
CNN基础

可掌握的核心能力

1. Pytorch 工具处理神经网络涉及的关键点
2. 掌握神经网络基础知识
3. 掌握反向传播原理
4. 了解深度学习正则化与算法优化
5. 掌握卷积神经网络（CNN）
6. 掌握循环神经网络（RNN）

主讲内容

NLP入门
文本预处理
RNN及变体
Transfomer原理
迁移学习基础(Bert主线)

可掌握的核心能力

1. 掌握NLP领域前沿的技术解决方案
2. 了解NLP应用场景
3. 掌握NLP相关知识的原理和实现
4. 掌握传统序列模型的基本原理和使用
5. 掌握非序列模型解决文本问题的原理和方案
6. 能够使用Pytorch搭建神经网络
7. 构建基本的语言翻译系统模型
8. 构建基本的文本生成系统模型
9. 构建基本的文本分类器模型
10. 使用FastText进行快速的文本分类
11. 胜任多数企业的NLP工程师的职位

主讲内容

文本分类解决方案列表
项目背景介绍
迁移学习优化
模型的量化
模型的剪枝
迁移学习微调
模型的知识蒸馏

可掌握的核心能力

1. 基于大规模业务留存数据构建快速文本分类系统
2. 基于推荐系统内部分频道投递的需求， 快速搭建短文本精准分类投递的模型
3. 基于随机森林和FastText搭建快速基线模型, 验证业务通道的能力
4. 基于BERT的迁移学习优化模型搭建的能力
5. 实现神经网络量化的优化与测试
6. 实现神经网络剪枝的优化与测试
7. 实现神经网络知识蒸馏的优化与测试
8. 更多主流预训练模型的优化与深度模型剖析
9. BERT模型在生成式任务和工程优化上的深入扩展

主讲内容

RAG基础知识
课程概述与系统架构
数据预处理与向量存储
查询路由与意图识别
RAG 核心逻辑与检索优化
后端服务与高并发支持
前端交互与用户体验
外部数据源集成
系统调试与优化

可掌握的核心能力

1. 了解LangChain基本概念、明确LangChain主要组件的作用、了解LangChain常见的使用场景
2. 掌握基于LangChain+ChatGLM-6B模型实现本地知识库的问答实现原理+过程
3. RAG 系统开发与优化：掌握从数据分片到答案生成的 RAG 全流程，熟练应用 HyDE、子查询等检索增强策略提升系统性能。
4. 大模型应用实践：能够集成 LLM（如 OllamaLLM）并设计高效 Prompt，解决知识问答中的业务定制化需求。
5. 智能查询路由设计：实现规则、相似度和 LLM 三层路由，精准分发查询并优化复杂意图识别效率。
6. 后端服务与前端开发：使用 FastAPI 开发高并发 API 并通过 Gradio 构建交互界面，满足企业级服务与用户体验要求。
7. 数据处理与多源集成：熟练处理结构化与非结构化数据，结合 MySQL 和向量搜索打造高效知识检索系统。
8. 企业级问题解决能力：通过日志调试和高并发设计，具备定制化开发与性能优化的实战技能，适配智能客服等场景。

主讲内容

Agent智能体原理
大模型Function Call工具应用
GPTs、Coze和Assistant API的应用
基于Dify实现Agent开发应用
基于DeepSeek实现Agent开发应用

可掌握的核心能力

1. 掌握智能体核心原理、机制、概念及主流大模型剖析。
2. 通过创建具备查询实时天气及查询航班功能的聊天机器人，了解Function Call概念及原理，掌握Function Call开发应用
3. 了解GPTs、Coze平台、Assistant API，掌握基于Coze平台打造个人学习助手，掌握基于Assistant API开发个人助手
4. 了解AI Agent和传统软件的区别和联系，掌握基于CrewAI框架，实现多个AI Agent协同工作，并完成自动写书信以及发送邮件的项目案例
5. 掌握Dify大模型应用开发平台使用，基于RAGFlow-Dify智能文档检索增强系统

主讲内容

大模型背景简介
主流大模型介绍
大模型微调主要方式
大模型提示词工程应用实战：【金融行业动态方向评估项目】
大模型预训练实战：【基于GPT2预训练模型实现大健康行业智能问诊机器人】
大模型Prompt-Tuning微调：【新零售行业评价决策系统】
大模型LoRA微调：【基于ChatGLM/Qwen微调实现新媒体评论文本分类+信息抽取系统】
大模型LoRA微调：【基于Qwen大模型的信息抽取项目】

可掌握的核心能力

【大模型基础概念及大模型提示词实战】
1. 了解LLM背景的知识、LLM主要类别架构，掌握什么是语言模型，掌握BERT、GPT、T5等模型原理
2. 了解ChatGPT的本质、GPT系列模型的原理和区别、LLM主流开源大模型
3. 掌握ChatGLM、LLaMA、Bloom、Baichuan等基础大模型的原理
4. 了解LLM进阶历程四种范式.，掌握Fine-Tuning及Prompt_Tuning模型微调的基本原理
【大模型提示词实战】
1. 掌握提示词工程基本概念，撰写原则
2. 基于提示词实现文本分类、信息抽取、文本匹配案例
3. 金融行业动态方向评估项目实战
【大模型微调】
1. 了解企业面向超大规模模型的Prompt-Tuning方法类型，理解Prefix-Tuning、Adapter-Tuning、LoRA三种大模型参数微调方法的原理
2. 通过金融行业动态方向评估项目掌握利用Few-shot、Zero-shot方式基于ChatGLM-6B实现文本分类、信息抽取、文本匹配任务
3. 了解医疗问诊机器人的开发背景及企业中聊天机器人的应用场景，掌握基于GPT2模型搭建医疗问诊机器人的实现过程
4. 掌握基于BERT+PET及BERT+P-Tuning方式实现文本分类
5. 掌握基于ChatGLM-6B完成多任务项目，掌握基于ChatGLM+LoRA方式完成模型搭建、模型训练及验证、模型预测

主讲内容

大模型蒸馏专题
企业级大模型平台开发
大模型新技术扩展

可掌握的核心能力

1. 大模型蒸馏专题应用
2. 主流大模型核心原理、论文剖析
3. 大模型优化加速原理及落地应用扩展
4.针对企业级大模型平台，完成大模型微调、RAG及Agent构建

主讲内容

知识图谱项目简介
项目工具介绍
实体抽取
关系抽取
知识融合
图谱搭建
图谱应用

可掌握的核心能力

1. 图谱全流程管理：掌握从数据获取到图谱构建的全生命周期。
2. 图谱理论与应用：熟悉知识图谱定义、类型及多领域应用。
3. Neo4j 技术：精通图数据库的存储与查询优化。
4. 深度学习 NER：掌握 CRF、BERT、BiLSTM+CRF 等实体识别方法。
5. 多样化关系抽取：熟练运用规则、Pipeline 与 Casrel 模型提取关系。
6. 知识融合与消歧：掌握实体消歧和关系对齐技术。
7. 医疗问答开发：实现意图识别与对话管理的智能问答系统。
8. NLP 语义处理 ：精通自然语言理解（NLU）与生成（NLG）。
9. 模型工程化：掌握数据预处理与模型训练全流程。
10. 垂直领域图谱：构建医疗、商业等领域的定制知识图谱。

主讲内容

服务化框架实战
模型容器化部署实战
自然语言处理核心项目串讲
大模型核心项目串讲及简历优化

可掌握的核心能力

1. 熟悉模型部署常用方法
2. 掌握核心的机器学习和深度学习算法，应对工作中多应用场景落地
3. 掌握NLP项目核心流程和常见模型
4. 可胜任NLP、大模型算法工程师常见工作任务，并持续优化与迭代算法

主讲内容

计算机视觉背景
图像分析
图像分类
图像分割

可掌握的核心能力

1. 熟悉深度学习主要及前沿网络模型的架构原理及在实际业务场景中的应用
2. 掌握深度学习在计算机视觉中的应用，包括但不限于分割、检测、识别等
3. 掌握计算机视觉工作中的具体流程，数据及标注处理，建模训练，及模型部署应用等
4. 可胜任深度学习算法工程师，图像与计算机视觉算法工程师等，并持续优化与迭代算法

主讲内容

多模态大模型基础
基于Stable Diffusion图像生成案例
类Sora大模型视频生成案例

可掌握的核心能力

1.认识多模态大模型
2.掌握图像生成算法：GAN; VAE ;Diffusion; DALLe; imagen
3.掌握Diffusion、latent diffusion、Stable Diffusion算法
4.掌握Stable Diffusion的实现: 模型构建，模型训练，lora，dreambooth，图像生成效果展示
5.基于Stable Diffusion构建图像生成的小程序