-
学习时长
9周/建议每周至少6小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
每章节设计作业/助教及时批改评优
-
课程有效期
一年/告别拖延，温故知新
- 第1章: 课程概述与模型应用
- 第1节: 课程概览
- 第2节: 大模型的基本概念
- 第3节: 大模型在垂直细分场景中的表现
- 第4节: 什么是微调及其必要性
- 第5节: 课程资源
- 第6节: Project1 大模型文本摘要微调实践 Part1
- 第2章: 指令数据准备与构建
- 第1节: 内容回顾
- 第2节: 深度学习中的数据工程
- 第3节: Prompt-Engineering与指令数据
- 第4节: 构建微调指令数据
- 第5节: 开源指令数据集
- 第6节: Project1 大模型文本摘要微调实践 Part2
- 第3章: 指令数据进阶与增强
- 第1节: 知识回顾
- 第2节: 指令数据的重要性
- 第3节: 数据好坏的度量
- 第4节: 指令数据的筛选与配比
- 第5节: 指令数据的扩充
- 第6节: 指令数据优化案例
- 第7节: 数学推理指令与思维链
- 第4章: 大模型微调理论
- 第1节: 指令微调基础概述
- 第2节: 指令微调的基本流程与分类
- 第3节: 指令微调方法：全量参数微调
- 第4节: 指令微调方法：高效指令微调
- 第5节: 大模型微调理论小结
- 第6节: Project1 大模型文本摘要微调实践 Part3
- 第5章: 微调后的模型评估
- 第1节: 语音模型通用能力评估
- 第2节: 语言模型专项能力评估——以课程项目为例
- 第3节: Bad case定位、问题分析及解决方法
- 第4节: Project1 大模型文本摘要微调实践 Part4
- 第5节: 课程大作业 Project2 大模型工具调用技术实践
- 第6章: 模型部署理论
- 第1节: 大模型高效部署
- 第2节: 主流部署框架介绍
- 第3节: Text Generation Inference 详解
- 第4节: TGI整体推理流程
- 第7章: 模型部署实践
- 第1节: 前期准备
- 第2节: 模型部署
- 第3节: 服务访问
- 第4节: 模型服务基准测试
- 第8章: 课程总结与未来发展
- 第1节: 本章概览
- 第2节: 课程回顾：模型与指令数据
- 第3节: 课程回顾：模型训练与优化
- 第4节: 课程回顾：推理优化
- 第5节: 大模型微调与RAG技术
- 第6节: 技术发展展望
大模型文本摘要生成技术实践
本项目旨在利用大语言模型实现文本摘要生成技术，帮助用户从大量信息中提取关键内容。学员将学习如何构建和微调一个能够自动生成高质量文本摘要的大模型，从而在新闻报道、学术论文、法律文件等不同领域中实现高效的信息获取。
大模型工具调用技术实践
本项目聚焦于大模型在工具调用中的应用，旨在开发一个能够根据自然语言指令自动调用特定工具或API的大模型系统。通过本项目，学员将学习如何构建一个能理解复杂指令并执行相应操作的智能助手，提升自动化任务处理的能力。
