亚洲av日韩av综合在线观看,亚洲av电影天堂男人的天堂

一、大模型應(yīng)用工程師項目簡介

大模型應(yīng)用工程師是工業(yè)和信息化部教育與考試中心推出的，針對大模型領(lǐng)域?qū)I(yè)人才的考核體系。該旨在衡量從業(yè)者在大模型應(yīng)用數(shù)據(jù)整合、語義理解、邏輯推理、文本輸出以及應(yīng)用等方面的能力，以滿足不同行業(yè)對大模型應(yīng)用人才的需求，推動企業(yè)大模型應(yīng)用驅(qū)動決策的發(fā)展。

證書分為初級、中級、高級三個等級，為不同層次的大模型應(yīng)用人才提供了專業(yè)的能力考核。

二、能力標準

1、大模型應(yīng)用工程師（初級）

掌握大模型的基礎(chǔ)應(yīng)用，如數(shù)據(jù)清洗、預處理，以及模型的基本訓練和調(diào)優(yōu)。能夠使用常見的深度學習框架和工具，進行大模型的部署和集成。

熟悉PyTorch、TensorFlow等深度學習平臺，能夠使用Python/C++編程語言進行基本的模型開發(fā)和調(diào)試。具備數(shù)據(jù)處理能力，包括數(shù)據(jù)爬取、清洗、增強和標注等。

通過實際操作，熟悉大模型在實際項目中的應(yīng)用流程，包括模型設(shè)計、數(shù)據(jù)處理、訓練與優(yōu)化、部署以及性能監(jiān)測與維護等環(huán)節(jié)。

2、大模型應(yīng)用工程師（中級）

深入了解LLM大模型的基礎(chǔ)特性和應(yīng)用場景，掌握大模型部署與應(yīng)用的相關(guān)技術(shù)。

熟練進行數(shù)據(jù)讀取、模型訓練、特征提取與相似度計算等操作，實現(xiàn)準確高效的文本檢索功能，并對整個文本檢索過程進行總結(jié)和優(yōu)化。

具備一定的商業(yè)敏感度，能夠結(jié)合業(yè)務(wù)場景，從大模型應(yīng)用角度提出合理的建議和決策支持。

3、大模型應(yīng)用工程師（高級）

熟悉PyTorch、TensorFlow等深度學習平臺，能夠使用Python/C++編程語言進行基本的模型開發(fā)和調(diào)試以及熟悉使用modelscope平臺和LLaMA – Factory界面微調(diào)工具等，具備數(shù)據(jù)處理能力，包括數(shù)據(jù)爬取、清洗、增強和標注等。

深入了解LLM大模型的基礎(chǔ)特性和應(yīng)用場景，掌握大模型部署與應(yīng)用的相關(guān)技術(shù)以及深入理解基于CLIP模型的電商多模態(tài)圖文檢索原理和應(yīng)用場景，能夠?qū)ο嚓P(guān)數(shù)據(jù)進行有效的預處理，使其符合模型輸入要求。

具備獨立部署Qwen2大模型的能力，包括環(huán)境搭建、模型配置、運行調(diào)試等環(huán)節(jié)，同時能夠?qū)δＰ瓦M行量化優(yōu)化，提高模型運行效率。了解其他常見大模型的部署方法和流程，具備舉一反三的能力，同時具備團隊管理和項目協(xié)調(diào)能力，能夠帶領(lǐng)團隊完成大模型應(yīng)用分析項目，與其他部門有效溝通協(xié)作，推動大模型成果在企業(yè)中的落地應(yīng)用。

三、課程內(nèi)容

階段	課程	知識模塊
基礎(chǔ)知識	大模型與AIGC概述	1.?大模型是什么 2.?大模型的前世今生 3.?大模型爆火的原因 4.?大模型原理介紹 5.?AIGC簡介
基礎(chǔ)知識	PyTorch框架基礎(chǔ)實踐	1.?PyTorch簡介 2.?張量操作 3.?構(gòu)建一個線性模型 4.?識別手寫數(shù)字
AIGC的多元應(yīng)用	AIGC與文本生成	1.?AIGC概述 2.?AIGC文本生成提示詞工程 3.?小紅書文案寫作 4.?郵件撰寫 5.?產(chǎn)品需求文檔撰寫 6.?測試用例撰寫 7.?文獻閱讀 8.?Python代碼查錯 9.?SQL編寫 10.?辦公自動化 11.?數(shù)據(jù)格式化提取 12.?招聘信息編寫
	AIGC與圖像生成	1.?AI繪畫基礎(chǔ)知識 2.?AI繪畫基礎(chǔ)實操
	AIGC與人力資源管理	1.?概述 2.?招聘信息生成 3.?簡歷匹配分析 4.?面試題目生成 5.?培訓策劃書編寫 6.?調(diào)查問卷生成 7.?考勤數(shù)據(jù)分析 8.?福利制度制定 9.?員工離職分析
	AIGC與產(chǎn)品經(jīng)理	1.?認識產(chǎn)品經(jīng)理 2.?需求收集 3.?需求分析 4.?功能設(shè)計
	AIGC生產(chǎn)力提升	1.?學習準備與聲明 2.?大模型輔助生成PPT 3.?大模型輔助生成思維導圖 4.?大模型輔助繪制流程圖
	AIGC的教學應(yīng)用	1.?學習準備與聲明 2.?大模型輔助教案撰寫 3.?題庫題目生成 4.?大模型輔助文獻閱讀 5.?大模型輔助編程 6.?大模型輔助數(shù)據(jù)分析 7.?總結(jié)
	AIGC輔助數(shù)據(jù)處理與分析	1.?認識數(shù)據(jù)分析 2.?AIGC輔助數(shù)據(jù)分析 3.?背景與挖掘目標 4.?數(shù)據(jù)探索 5.?數(shù)據(jù)預處理 6.?指標構(gòu)建與可視化
大模型部署與微調(diào)	大模型開源平臺介紹及使用	1.?LLM大模型基礎(chǔ)認知 2.?大模型部署與應(yīng)用技術(shù)概述 3.?HuggingFace開源AI社區(qū) 4.?小結(jié)
	PyTorch大模型原理與應(yīng)用	1.?基礎(chǔ)模型簡介 2.?萬模基座Transformer 3.?生成式預訓練模型GPT 4.?雙向編碼模型BERT 5.?Transformer應(yīng)用
	大模型微調(diào)原理與實現(xiàn)	1.?大模型微調(diào)的概念 2.?大模型微調(diào)方法 3.?全量微調(diào)FFT 4.?參數(shù)高效微調(diào)PEFT 5.?如何降低大模型顯存占用 6.?小結(jié) 7.?modelscope平臺 8.?LLaMA-Factory界面微調(diào)工具
	基于大模型的金融問句語義相似度計算	1.?案例背景及挖掘目標 2.?語義文本相似度 3.?預處理 4.?加載預訓練模型 5.?定義損失函數(shù) 6.?模型訓練 7.?模型預測 8.?模型評估 9.?小結(jié)
	基于大模型微調(diào)的命名實體識別	1.?背景與目標 2.?命名實體識別概述 3.?模型準備 4.?數(shù)據(jù)準備 5.?微調(diào)訓練和驗證 6.?小結(jié)
	基于通義千問(Qwen)的創(chuàng)意廣告生成	1.?背景與目標 2.?千問大模型 3.?數(shù)據(jù)準備 4.?模型微調(diào)和驗證 5.?小結(jié)
	基于BERT模型的中醫(yī)問答系統(tǒng)	1.?案例背景與挖掘流程 2.?數(shù)據(jù)加載 3.?數(shù)據(jù)探索：三元組數(shù)據(jù)長度分布情況 4.?預訓練模型介紹 5.?模型加載 6.?加載本地checkpoint文件并進行預測 7.?小結(jié)
	部署自己的Qwen2大模型	1.?Github代碼托管平臺 2.?Qwen2大模型部署 3.?Qwen2大模型量化 8.?其他大模型部署示例
	部署與微調(diào)ChatGLM-6B大模型	1.?ChatGLM介紹 2.?部署大模型ChatGLM 3.?API部署的拓展 4.?微調(diào)大模型ChatGLM-6b
多模態(tài)的數(shù)據(jù)檢索	基于深度學習的圖像檢索	1.?數(shù)據(jù)檢索概述 2.?圖像檢索任務(wù) 3.?視覺模型與特征提取 4.?圖像相似度計算與匹配 5.?圖像檢索性能評估 6.?圖像檢索前端展示
	基于CLIP的電商多模態(tài)圖文檢索	1.?背景與目標 2.?數(shù)據(jù)說明 3.?數(shù)據(jù)預處理 4.?CLIP模型結(jié)構(gòu) 5.?CLIP模型訓練方法 6.?CLIP模型驗證—計算圖文特征 7.?CLIP模型驗證—KNN檢索 8.?CLIP模型驗證—Recall計算 9.?CLIP模型預測后處理 10.?圖文檢索前端實現(xiàn) 11.?小結(jié)
	基于Bert模型微調(diào)的文本檢索	1.?背景與應(yīng)用場景和目標 2.?Bert模型構(gòu)造 3.?數(shù)據(jù)讀取 4.?Bert模型訓練 5.?特征提取與相似度計算 6.?小結(jié)
職業(yè)技術(shù)考核	大模型應(yīng)用工程師（高級）職業(yè)技術(shù)考試