巨特2026寒假全國高校人工智能師資峰會-青島（2月2-2月7）
詳情：https://mp.weixin.qq.com/s/HvVGmaRfn_vKJ8nZgwWINA
專題一數(shù)據(jù)分析經(jīng)典算法的原理及實戰(zhàn)，中國人民大學朝樂門教授 博士生導師
專題二大模型與知識圖譜前沿技術(shù)融合實戰(zhàn)，聯(lián)通研究院蔡豐龍高工 高級架構(gòu)師
專題三人工智能視覺大模型與具身智能應用實戰(zhàn)，哈爾濱工業(yè)大學屈楨深教授 博士生導師
專題四大語言模型的應用開發(fā)與項目案例實戰(zhàn)，青島理工大學周煒教授 副院長
專題一：數(shù)據(jù)分析經(jīng)典算法的原理及實戰(zhàn)
高級進階課程，配套教材、課件、環(huán)境、實驗手冊、源碼、數(shù)據(jù)
課程介紹
數(shù)據(jù)分析已成為現(xiàn)代人才必備的能力之一。然而，數(shù)據(jù)分析能力是一種綜合素質(zhì)，不僅需要扎實的理論功底，而且還要豐富的實踐經(jīng)驗。在理論學習方面，數(shù)據(jù)分析師需要必須具備機器學習、統(tǒng)計學、數(shù)據(jù)分析、高等數(shù)學、線性代數(shù)、運籌學、離散數(shù)學、人工智能、數(shù)據(jù)庫、數(shù)據(jù)倉庫數(shù)據(jù)挖掘等多門課程的基礎(chǔ)知識；在動手實踐操作方面，數(shù)據(jù)分析師需要積累大量的實際動手操作經(jīng)驗，尤其是基于Python 為代表的開源工具的數(shù)據(jù)分析的實戰(zhàn)經(jīng)驗。因此，如何有效學習數(shù)據(jù)分析理論和實踐已成為多數(shù)初學者所面臨的挑戰(zhàn)。本課程的主要內(nèi)容及特色如下：
1.采用通俗易懂的語言和深入淺出的邏輯講解數(shù)據(jù)分析算法；
2.分別從五個角度講解數(shù)據(jù)分析領(lǐng)域的六大類（共12種）經(jīng)典算法：應用場景、算法原理、核心術(shù)語、Python編程實踐以及重點與難點解讀；
3.采取以案例為中心的講解模式，重視實際動手操作能力的提升，帶領(lǐng)學員現(xiàn)場編寫12項案例項目的Python源代碼；
4.兼顧數(shù)據(jù)分析能力及課堂教學能力的提升，本課程講解的數(shù)據(jù)分析知識及案例可以直接引入相關(guān)課程的教學之中；
5.聚焦能力提升，講解每個算法的核心術(shù)語、主要參數(shù)及底層數(shù)學原理；
6.重視數(shù)據(jù)分析及算法分析領(lǐng)域的核心文獻的利用，并推薦相關(guān)閱讀文獻。
1.掌握數(shù)據(jù)分析領(lǐng)域六大類（共12種）經(jīng)典算法，提升數(shù)據(jù)分析基本功。
2.掌握每個算法的應用場景、核心術(shù)語及算法原理。
3.掌握每個算法的Python動手編程方法、技能及經(jīng)驗。
4.掌握每個算法背后的數(shù)學原理及底層算法知識。
5.掌握每個算法的主要參數(shù)的含義及調(diào)參方法。
6.掌握數(shù)據(jù)分析領(lǐng)域最新動態(tài)及未來發(fā)展趨勢。
7.分享與交流相關(guān)課程的教學經(jīng)驗和能力。
8.了解數(shù)據(jù)分析領(lǐng)域的核心文獻及代表性實踐，提升學術(shù)研究和工程實踐能力。
專題二：大模型與知識圖譜前沿技術(shù)融合與實戰(zhàn)
高級進階課程，配套教材、課件、環(huán)境、實驗手冊、源碼、數(shù)據(jù)、錄屏
本課程旨在為高校教師提供深入理解大模型與知識圖譜的原理和應用實戰(zhàn)經(jīng)驗。隨著人工智能技術(shù)的飛速發(fā)展，知識圖譜已經(jīng)成為解決各種復雜問題的重要工具之一。而大模型的興起更是在各領(lǐng)域引發(fā)了巨大的影響，從自然語言處理到計算機視覺，再到推薦系統(tǒng)和生成式模型等等，大模型的應用不斷拓展和深化。本課程將全面介紹知識圖譜和大模型的基本原理、算法實現(xiàn)、模型優(yōu)化以及最新的研究進展。本課程旨在結(jié)合理論與實踐，通過深入淺出的講解和動手實踐的項目，幫助參訓教師掌握大模型和知識圖譜的核心原理、關(guān)鍵技術(shù)及其在多個領(lǐng)域中的實際應用。真正的讓各位老師可以了解到所學內(nèi)容如何和實際結(jié)合，做到更好的進行教學、科研工作，同時為發(fā)表高水平論文、競賽輔導、申報縱向和橫向課題打下堅實基礎(chǔ)。
1、通過案例分析，了解大模型和知識圖譜在各個領(lǐng)域的應用實踐，啟發(fā)創(chuàng)新思維；
2、本課程注重理論與實踐的緊密結(jié)合，通過豐富的案例分析和項目實戰(zhàn)，使教師能夠?qū)⒗碚撝R轉(zhuǎn)化為實際能力；
3、可以勝任深度學習、知識圖譜、大模型等技術(shù)工作，全流程構(gòu)建、項目架構(gòu)設(shè)計并且能夠?qū)嶋H動手完成案例。
4、課程內(nèi)容緊跟大模型和知識圖譜的最新研究進展，同時關(guān)注實際應用需求，使教師既能掌握前沿技術(shù)，又能解決實際問題。
1、掌握大模型和知識圖譜的基本原理和算法，理解其原理及計算過程；
2、熟悉深度學習開發(fā)環(huán)境搭建和神經(jīng)網(wǎng)絡(luò)原理，能夠搭建和訓練基本的深度學習模型；
3、了解大模型的設(shè)計原理、優(yōu)化方法和應用場景，掌握大模型的訓練技巧和部署方案；
4、掌握Transformer模型結(jié)構(gòu)及內(nèi)部原理；
5、掌握大模型環(huán)境構(gòu)建及模型訓練部署方法；
6、掌握大模型家族GPT、LLaMA、GLM等模型的內(nèi)部機制；
7、掌握大模型提示學習、輕量化微調(diào)、RLHF、量化、蒸餾等核心技術(shù)；
8、掌握大模型的設(shè)計、訓練、調(diào)優(yōu)、部署等關(guān)鍵技術(shù)；
9、掌握大模型必備的預處理相關(guān)技術(shù)；
10、掌握深度學習重要領(lǐng)域機器視覺、GAN、強化學習的原理及實戰(zhàn)；
11、掌握知識圖譜知識源數(shù)據(jù)的獲取、知識抽取、知識融合、知識加工、知識存儲等核心技術(shù)；
12、掌握融合大規(guī)模語言模型與知識圖譜的推理方法；
13、可以獨自進行基于大語言模型、知識圖譜的全流程構(gòu)建、項目架構(gòu)設(shè)計并且能夠?qū)嶋H動手完成案例。
專題三：人工智能視覺大模型與具身智能應用實戰(zhàn)
高級進階課程，配套教材、課件、環(huán)境、實驗手冊、源碼、數(shù)據(jù)、錄屏
課程介紹
課程圍繞視覺大模型和智能機器人領(lǐng)域的最新進展，以“體系清晰，應用實戰(zhàn)”為目標，通過形象生動的課程講授和豐富多樣的實驗/演示，一方面“從上而下”明晰視覺體系構(gòu)建及演化，另一方面“自底而上”講清方法實現(xiàn)關(guān)鍵細節(jié)。課程沿“機器視覺框架——深度學習——視覺大模型——具身智能”主線，講授機器視覺、視覺大模型與具身智能的基本原理、實例應用及前沿進展，內(nèi)容包括機器視覺快速導引與關(guān)鍵概念、視覺系統(tǒng)任務(wù)、深度學習、多模態(tài)大模型、具身智能、VLA等，同時涵蓋Transformer、視覺-語言大模型、具身智能等視覺領(lǐng)域的最新進展。課程結(jié)合OpenCV、PyTorch、ROS等通用平臺框架，提供傳統(tǒng)及現(xiàn)代機器視覺、具身智能應用的豐富實例及項目講解。課件可視化強；注重講述來龍去脈，同時實驗緊扣課程內(nèi)容，以真正掌握為目標。在激發(fā)學習興趣的同時，可切實理解教學內(nèi)容并能動手實踐，為參訓教師今后開設(shè)同類課程及實際項目研發(fā)提供關(guān)鍵支撐。
課程特色
課程以“知識理解透徹，代碼應用實戰(zhàn)”為目標，講授機器視覺、視覺大模型與具身智能的基本原理、實例應用及前沿進展。結(jié)合OpenCV、PyTorch、ROS等通用平臺框架，提供傳統(tǒng)及現(xiàn)代機器視覺、具身智能應用的豐富實例及項目講解。通過課程學習，可切實理解機器視覺經(jīng)典及現(xiàn)代深度學習、大模型、具身智能方法，同時通過豐富實例提高應用能力，參訓教師學習后可開設(shè)同類課程或從事相關(guān)項目研發(fā)。
目標及學習收獲
1、掌握機器視覺體系架構(gòu)、經(jīng)典視覺關(guān)鍵方法思想及內(nèi)容實現(xiàn)；
2、掌握現(xiàn)代深度學習應用與機器視覺的基本思想與關(guān)鍵方法；
3、掌握深度學習視覺識別、檢測等關(guān)鍵任務(wù)中的網(wǎng)絡(luò)構(gòu)建和方法實現(xiàn)；
4、掌握視覺-語言大模型的核心技術(shù)和檢測、分割等典型應用；
5、掌握智能系統(tǒng)和具身智能的基本概念；
6、通過自動駕駛等實例掌握ROS系統(tǒng)編程及具身智能實現(xiàn)；
9、加強機器視覺的實踐與項目聯(lián)系，提升知識理解和編程實現(xiàn)能力。
專題四：大語言模型的應用開發(fā)與項目案例實戰(zhàn)
高級進階課程，配套教材、課件、環(huán)境、實驗手冊、源碼、數(shù)據(jù)、錄屏
本課程旨在為高校教師提供深入理解學習大模型的原理和基于大語言模型的開發(fā)智能應用實戰(zhàn)經(jīng)驗。ChatGPT應用作為AIGC（人工智能生成內(nèi)容）的“iPhone時刻”，掀起了新一輪生成式人工智能的發(fā)展狂潮，人工智能技術(shù)已從“小模型+判別式”轉(zhuǎn)向“大模型+生成式”。而大模型的興起更是在各領(lǐng)域引發(fā)了巨大的影響，從自然語言處理到計算機視覺，從大模型的構(gòu)建到基于大模型的智能應用等，每個領(lǐng)域都將受到生成式人工智能技術(shù)的沖擊并隨之調(diào)整。本課程將全面介紹大語言模型（LLM）的基本原理、應用領(lǐng)域、模型優(yōu)化以及基于LLM的智能應用程序開發(fā)。通過理論講授、案例分析、項目實戰(zhàn)等多種方式，使參訓教師掌握基于大語言模型構(gòu)建和開發(fā)應用的核心技術(shù)，具備將理論知識應用于實際問題的能力。本課程旨在結(jié)合理論與實踐，通過深入淺出的講解和動手實踐的項目，真正的讓各位老師可以開發(fā)出基于大語言模型的智能應用程序并可以在本校開展相關(guān)課程教學，并可以進一步將生成式人工智能技術(shù)和實際工作結(jié)合，為教學研究和科學研究打下堅實基礎(chǔ)。
1、思路明晰，從大模型基本概念到API調(diào)用，從提示工程到智能軟件開發(fā)再到開發(fā)框架的使用；從調(diào)用大模型開發(fā)到本地部署微調(diào)大模型，學習循序漸進，便于理解掌握；
2、本課程注重理論與實踐的緊密結(jié)合，通過豐富的案例分析和項目實戰(zhàn)，使教師能夠?qū)⒗碚撝R轉(zhuǎn)化為實際能力；
3、課程內(nèi)容緊跟大模型的最新研究進展，同時關(guān)注實際應用需求，使教師既能掌握前沿技術(shù)，又能解決實際問題；
4、課程內(nèi)容配備經(jīng)過教學檢驗的PPT等教學資料，教師學習后可以直接為所在學校學生開設(shè)相關(guān)前沿生成式人工智能課程。
1、掌握ChatGPT在自然語言處理、聊天機器人、教育、金融等多個領(lǐng)域的實際應用；掌握ChatGPT的訓練過程、原理，能夠獨立完成ChatGPT相關(guān)程序開發(fā)與調(diào)試；
3、掌握OpenAI API及通義千問API開發(fā)過程中的基本概念，包括模型、標記、嵌入，以及熟練使用Playground；
4、掌握Visual Studio Code及其插件的安裝、使用，能夠熟練注冊O(shè)penAI賬戶及API Keys，并能安裝OpenAI的Python庫進行開發(fā)；熟練使用OpenAI及通義千問的各種終端進行開發(fā)；
5、熟練掌握提示的組成元素和編寫提示的基本策略；掌握提示的開發(fā)流程；了解大語言模型不同應用場景的提示工程，能根據(jù)具體的應用場景編寫并優(yōu)化提示信息；
6、了解常用的基于LLM 的開發(fā)輔助工具，掌握基于提示的智能應用程序開發(fā)，掌握基于 LLM 的應用開發(fā)過程和實現(xiàn)方式；
7、掌握包括Cursor、Trae、Qoder和Claude Code等AI IDE的使用。
8、了解Langchain的框架結(jié)構(gòu)、基本模塊和應用場景。掌握Langchain框架的提示模板、語言模型和輸出解析器的使用；
9、掌握Langchain框架中的鏈，會使用LCEL構(gòu)建各種結(jié)構(gòu)的Langchain鏈。掌握Langchain中的記憶實現(xiàn)原理和實現(xiàn)技術(shù)；
10、掌握RAG（Retrieval Augmented Generation檢索增強生成）的基本原理，會使用Langchain構(gòu)建各種RAG應用；
11、掌握AI Agent（智能體）基本原理，掌握使用LangGraph構(gòu)建多智能體系統(tǒng)。掌握MCP的原理和應用；
12、掌握使用AI Agent完成科研論文撰寫等科研工作。
13、掌握智能體低代碼開發(fā)平臺扣子的使用。
14、掌握使用Ollama、vLLM和xInference本地化部署Qwen2、GLM4、llama3.1、gemma2、deepseek等大語言模型；
15、掌握使用llamaFactory微調(diào)Qwen2大模型。
學者網(wǎng)
評論 0