五月, 2026

265月全天28AI大模型全栈工程师实战(全天) 成都 价格: 6800

更多

课程介绍

【课程信息】
课程时间&地点： 2026年05月26-28日 成都
课程对象： 软件工程师和架构师、AI算法工程师、机器学习工程师、全栈开发者、后端工程师、云计算工程师、运维工程师、传统程序员（Java/C++）、数据分析师、BI工程师等
课程费用：¥6800元/人（含培训费、平台费、资料费、视频回放、证书、发票等费用）
【课程介绍】

随着科技的飞速发展，人工智能（AI）已成为引领新一轮科技革命和产业变革的重要驱动力。大模型（Large Language Models, LLMs）作为AI领域的一项革命性突破，正以前所未有的速度重塑着我们对智能交互、知识管理、内容创作乃至整个数字化世界的认知。近年来，诸如DeepSeek、GPT系列、Sora等大模型的不断涌现，不仅展示了AI在自然语言处理领域的巨大潜力，也预示着AI技术即将迈入一个更加复杂、细腻且广泛适用的新纪元。

人工智能成为全球焦点的背景下，2024年中国政府工作报告，就首次提出开展“人工智能+”行动，相信后续还有更多利好人工智能和“人工智能+”的政策即将释放。而在国家层面推动“AI+”行动，无数的机会也将井喷。

1.整体掌握大模型理论知识；

2.了解自注意力机制、Transformer模型、BERT模型；

3.掌握DeepSeek与ChatGPT等原理与实战；

4.了解LLM应用程序技术栈和提示词工程；

5.了解国产大模型ChatGLM原理及使用；

6.了解视觉大模型技术优势；

7.掌握语言理解与字幕生成及其应用；

8.掌握图像生成和应用实操；

9.了解应用场景与潜力分析；

10.了解大模型企业商用项目实战。

【课程纲要】

日程 培训主题 培训大纲
第一天

上午

  第一节：

大模型理论知识

 1. 初探大模型：起源与发展

2. GPT模型家族：从始至今

3. 大模型DeepSeek VS ChatGPT4的对比介绍

4. 大模型实战-讲解大模型2种学习路线

5. 大模型最核心的三项技术:模型、微调和开发框架

6. DeepSeek的MoE混合专家模型介绍

7. DeepSeek-R3后训练阶段与强化学习技术介绍

8. OpenAl文本模型A、B、C、D四大模型引擎简介

9. 最强Embedding大模text-Embedding

-ada模型介绍

10. 全球开源大模型性能评估榜单

11. 中文大模型生态介绍与GLM 130B模型介绍

12. DeepSeek模型介绍与部署门槛

13. DeepSeek开源生态:微调、多模态，WebUI等项目简介
第二节：DeepSeek

大模型API应用开发

 1. DeepSeek-V3 大模型API

2. DeepSeek模型&价格

3. DeepSeek模型参数Temperature设置

4. DeepSeek模型Token用量计算

5. DeepSeek大模型多轮对话

6. DeepSeek大模型JSON Output

7. DeepSeek大模型Function Calling

8. DeepSeek大模型上下文硬盘缓存

9. 聊天机器人初探（Chat Completion）

10. 基于DeepSeek开发智能翻译助手
第一天

下午

 第三节：

LLM模型的私有化部署与权限控制

 1. 各种模型文件介绍：.bin、GGUF、

.safetensors等格式区别

2. 模型的推理、量化原理与实现流程

3. ModelScope与Hugging Face平台介绍及模型下载使用

4. 大模型管理底座Ollama架构与运行机制

5. Ollama+LLaMA部署开源大模型的完整流程

6. Open WebUI前端功能介绍与模型调用演示

7. Open WebUI用户与访问权限控制配置方法

8. vLLM架构简介与Ollama的核心区别

9. vLLM在高并发与吞吐性能上的优化机制解析

10. vLLM+OpenAPI实战：部署并调用企业级大模型服务
第四节：Dify本地化构建智能客服工作流 1. 智能体介绍与Dify基本原理

2. Dify安装与环境配置

3. Dify在智能应用中的角色与优势

4. 智能体的组成：Prompt、数据源、模型、工具集成

5. Dify与LangChain、Flowise等工具的对比

6. 实战体验：Dify实现数据爬取、清洗、保存

7. 创建各种场景的智能：数据分析、代码编写、客服

8. Dify如何关联本地模型

9. Dify的API调用与微信连接实现
第二天

上午

 第五节：

基于Deepseek和LangChain构建Agent

 1. 通过LangChain中的ReAct框架实现自动定价

2. LangChain ReAct框架

3. LangChain中ReAct Agent的实现

4. LangChain中的工具和工具包

5. 通过create_react_agent创建Agent

6. 深挖AgentExecutor的运行机制

7. Plan-and-Solve策略的提出

8. LangChain中的Plan-and-Execute

Agent

9. 通过Plan-and-Execute Agent实现物流管理

10. 为Agent定义一系列进行自动库存调度的工具
第六节：Agent+MCP打造高级智能体 1. RAG、Agent与MCP的区别与联系

2. MCP与FunctionCall的关系

3. 热门的MCP客户端工具有哪些

4. MCP服务接入原理讲解

5. 自定义MCP Client开发–STDIO协议对接

6. LangGraph agent接入Github MCP服务

7. Langchain_mcp_adatpers创建高德MCP客户端

8. 基于高德MCP的复杂路径规划+可视化展示
第二天

下午

 第七节：

基于DeepSeek

和LlamaIndex构建文档问答系统

 

 1. LlamaIndex：选择与配置不同的语言模型与向量模型

2. LlamaIndex提示：定义与管理查询模板及上下文注入策略

3. LlamaIndex索引：构建文档索引、向量索引与树形索引

4. LlamaIndex存储：访问与持久化外部知识数据

5. LlamaIndex记忆：实现对多轮对话的上下文追踪与复用

6. LlamaIndex代理：整合外部工具与执行动态任务

7. 实战演练：使用LlamaIndex构建企业文档问答系统
第八节：GitHub Copilot AI 辅助编程

 

 1. GitHub Copilot的核心原理与工作机制

2. Copilot在主流IDE中的安装与配置

3. 代码补全与建议：基础功能实战

4. Copilot Chat：自然语言交互式编程

5. 代码解释与文档生成：效率提升技巧

6. 单元测试与代码重构的Copilot辅助

7. Copilot的安全与隐私保护机制

8. 企业级应用：Copilot for Business的管理与策略

9. Prompt Engineering：优化Copilot

建议的技巧

10. 未来展望：AI辅助编程的趋势与挑战
第三天

上午

 第九节：

AI赋能的 Python工程化与GitLab CI/CD实践

 1. Python工程化基石：Pylint与代码质量门禁

2. GitLab CI/CD 核心原理与流水线构建

3. AI驱动的静态代码分析与Pylint优化

4. GitLab Runner配置与Python环境容器化

5. CI流程中的自动化测试与代码覆盖率

6. 持续交付（CD）实战：Python应用的自动化部署

7. Cython基础：提升Python性能的编译原理

8. AI辅助的Cython封装与性能瓶颈分析

9. GitLab CI/CD集成Cython编译与构建优化

10. 全流程可观测性：CI/CD与代码质量的度量
第十节：

从图片、视频到数字人，AI应用边界探索

 

 1. 用Stable Diffusion实现文生图（输入文字就能画图）

2. 用Stable Diffusion实现图生图（上传图片自动变换风格）

3. 提示词怎么写？掌握关键词技巧

4. 玩转Lora微调，让图片拥有不同风格（动漫、国风、写实）

5. 艺术字、证件照、logo、海报、详情图制作实操

6. AI辅助设计，快速搞定海报、Banner、广告图

7. 认识HeyGen，AI数字人生成工具

8. 用HeyGen生成数字人大纲、剧本、字幕、配乐

9. 一键制作真人感十足的数字人视频

10. 实现AI半无人直播、语音直播，应用到客服和营销
第三天

下午

 第十一节：Deepseek多模态模型Janus的微调与模型对齐 1. 多模态大模型的核心原理与应用场景

2. 报销凭证（发票、单据）的结构化特征与难点

3. 数据准备：票据样本、文字识别与表格标注

4. 如何科学构建训练数据（基础与专业数据混合训练）

5. 微调常见方式介绍：微调、偏好对齐、蒸馏、奖励模型

6. OCR微调：关键字段识别（抬头、金额、日期、税号）

7. 版式与图像理解：复杂票据结构解析

8. 多模态信息对齐：文本、图像与语音的融合

9. 参数高效微调方法（LoRA/Adapter）实战

10. 案例演示：凭证识别与结构化信息提取

11. 业务落地：从票据识别到自动化报销流程
第十二节：MLflow在大模型微调中的应用 1. MLflow架构与LLM MLOps生命周期

2. MLflow  Tracking实战：微调过程可视化

3. 微调指标与结果的高效对比分析

4. MLflow与主流微调框架的集成

5. 大模型微调后的模型打包与存储

6. 模型注册表（Model Registry）与版本管理

7. LLM 评估：自动化与人工反馈

8. Prompt Engineering与提示词版本控制

9. LLM可观察性（Observability）与

Tracing

10. 微调模型的部署与服务化

【专家介绍】

➤ 刘老师 | 国内顶尖AI专家、大数据技术专家

西安邮电大学计算机科学与技术专业。拥有着20多年软件研发与企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通机器学习、深度学习、大模型技术。他的专业素养和教学能力备受学员赞誉，是众多技术爱好者心中的楷模。

AI深度学习方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、Yolo、OpenCV熟悉主流机器学习算法、各种神经网络结构和图形图像识别技术。

LLM大模型方向：DeekSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微调、DeepSpeek分布式训练、MindFormers生态、MoE混合专家模型。能根据客户的需求实现定制化的模型私有化部署、微调、对齐、量化。并对LangChain、LlamaIndex、Dify等大模型框架有源码级的理解。

➤ 邹老师 | 某工业大学人工智能研究院院长

博士学历，毕业于中国地质科学院，兼任天津大学创业导师、山东交通学院客座教授、硕士生导师。主持研发50多个人工智能领域工业级项目，广泛应用于能源、医疗、交通、气象、银行等多个领域。

硕博期间主持研发大型行业建模软件，代码量100万行（从底层开发是考虑后期维护和产权）。创立的睿客邦与国内十多所高校建立了AI联合实验室或实训基地广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。成立中国科学院邹博人工智能研究中心，在翔创、天识等公司担任技术顾问，曾在多个在线平台授课，广受网友好评，累计学习人数超过百万。

公开出版《强化学习》《Python深度学习实践》《自然语言处理》等11部专著和译著。在国内外期刊会议发表论文10余篇，获得国家发明专利1项，著书1本，译书6本。2017年主持科研项目荣获国土资源科学技术一等奖。

为众多知名企业进行过上百场讲座和内部培训，其中包括中国移动、CSDN、中国建设银行、花旗银行、中信集团、中航信、烽火科技、京东方、中科曙光、京东、大唐、完美世界等。

时间

五月 26 (星期二) - 28 (星期四)

地点

成都

价格

6800

报名

微信客服 微信客服