课程参数
有回放
直播结束后,会有回放视频提供
教学服务
答疑辅导
答疑解惑,及时扫清学习过程中的障碍,助你顺利完成学习。
配套教辅
高度契合的配套讲义、大纲,保证让你全方位的理解知识。
集中答疑
定期收集和解答你的技术问题,助你顺利完成学习。
课程更新
在服务期内,如果课程有更新,你可以享受更新后的课程内容。
  • 大模型提示词
    工程实战
    金融行业动态风向评估
    【金融行业动态风向评估】
    • 业务痛点

      提问效率低、准确性差、可解释性弱、跨领域应用效果差、成本高

    • 项目需求

      基于Zero-shot零样本学习能力,对金融领域数据进行分类、信息抽取、文本匹配

    • 业务场景

      金融领域

    • 项目收获

      1、掌握基于Zero-shot方式实现LLM应用的过程

      2、掌握基于Zero-shot方式实现ChatGLM模型进行文本分类

      3、掌握基于Zero-shot方式实现ChatGLM模型进行信息抽取

      4、掌握基于Zero-shot方式实现ChatGLM模型进行文本匹配

  • 大模型知识库
    应用实战
    物流行业信息咨询智能问答系统
    【物流行业信息咨询智能问答系统】
    • 业务痛点

      大模型“幻觉”问题(答案不精准)

    • 项目需求

      基于本地已有的知识信息让大模型根据本地信息进行准确回答

    • 业务场景

      物流领域

    • 项目收获

      1、掌握LangChain工具的基本使用方式

      2、理解向量知识库以及实现知识库的技术原理

      3、掌握LangChain+ChatGLM-6B实现基于本地知识库问答的机器人搭建方法

  • 企业级大模型平台
    应用实战
    电商领域虚拟试衣系统
    【电商领域虚拟试衣系统】
    • 业务痛点

      图像真实性差,面料质感无法呈现,颜色还原度低,尺码不匹配

    • 项目需求

      用户不用亲自试穿衣服,就可以实现换装查看效果的一种技术应用

    • 业务场景

      电商领域

    • 项目收获

      1、掌握基于Virtual-Tryoon单阶段端到端的虚拟试衣框架

      2、掌握虚拟试衣任务数据集的构建方式和模型训练方法

      3、了解虚拟试衣等变换任务的评估方法

  • 大模型微调实战
    • 大健康行业智能问诊系统
      【大健康行业智能问诊系统】
      • 业务痛点

        患者流量大、医生资源有限、医疗信息不对称、地域限制、隐私保护、诊疗准确性、系统稳定性和
        数据安全性等

      • 项目需求

        1、解决医疗领域知识问答问题

        2、解决智能对话系统准确回答用户常见问题的需求,为用户解决健康、养老、医疗等疑问

        3、解决智能对话系统提供个性化推荐、日程安排等服务的需求,提升用户体验

      • 业务场景

        医疗领域

      • 拓展领域

        客服机器人、医疗机器人、金融理财问答机器人

      • 项目收获

        1、掌握基于预训练模型实现聊天机器人搭建的原理及过程

        2、实现从0到1搭建类似ChatGPT的聊天机器人

    • 新零售行业评价决策系统
      【新零售行业评价决策系统】
      • 业务痛点

        由于某些领域特殊性、标注成本高,导致标注训练数据缺乏,模型无法有效学习参数,从而出现拟合
        现象

      • 项目需求

        基于BERT+PET(硬模版)/P-Tuning(更智能)方法实现评论文本的准确分类,以优化产品性能和服务

      • 业务场景

        新零售行业

      • 项目收获

        1、掌握基于预训练模型+PET微调方式的小样本分类方法

        2、掌握基于预训练模型+P-Tuning微调方式的小样本分类方法

        3、理解Prompt-Tuning微调方法带来的优势

    • 新媒体行业评论智能分类与信息抽取系统
      【新媒体行业评论智能分类与信息抽取系统】
      • 业务痛点

        基于一个大模型,解决多业务场景的问题

      • 项目需求

        通过训练大模型同时解决多种任务开发和应用

      • 业务场景

        新媒体领域

      • 项目收获

        1、掌握基于ChatGLM-6B大模型进行Lora微调的方式

        2、掌握基于ChatGLM-6B大模型进行P-Tuning微调的方式

        3、掌握基于LLM进行混合任务开发应用的实现过程

        4、掌握基于Flask框架实现API接口开发和应用