大型语言模型(LLMs)培训

本课程为讲师主导的培训，在中国（线上或线下）进行，面向希望了解LLMs是什么、探索其对业务运营的潜在影响，并评估AI工具（如ChatGPT、Microsoft Copilot或Grok）在实际任务中的应用的高级管理专业人士，例如内容创作、数据总结和决策支持。

培训结束后，学员将能够：

• 了解LLMs是什么，以及ChatGPT和Copilot等工具的工作原理。
• 使用提示技术从LLMs中获取实用、可靠的结果。
• 评估实际用例，如电子邮件起草、文档总结和生产力自动化。
• 识别AI采用的战略应用和投资机会。

此讲师主导的中国线上培训（线上或线下）面向希望理解LLM和企业级AI工具战略价值的高级管理团队。参与者将探索如何将这些工具整合到高层级工作流程中，编写更好的提示词，并评估通过采用AI提升生产力和投资回报率（ROI）的机会。

完成此培训后，参与者能够：

• 理解LLM的工作原理，以及ChatGPT和Copilot等工具如何应用它们。
• 使用基于提示词的交互来自动化和加速任务。
• 将AI工具应用于真实场景，如起草邮件、总结报告和审阅协议。
• 评估LLM采用的战略益处、限制和许可考量。

本课程为讲师指导的中国（线上或线下）培训，面向中级到高级的AI研究员、数据科学家和开发者，旨在帮助他们理解、微调和实现Meta AI的大型语言模型，用于各种自然语言处理（NLP）应用。

培训结束后，学员将能够：

• 理解Meta AI大型语言模型的架构和工作原理。
• 为特定用例设置和微调Meta AI的大型语言模型。
• 实现基于大型语言模型的应用，如文本摘要、聊天机器人和情感分析。
• 高效优化和部署大型语言模型。

本次由讲师主导的中国培训（线上或线下）面向中级AI专业人士、业务分析师和技术领导者，旨在帮助他们理解生成式AI的原理以及LLMs在业务环境中的应用。参与者将学习Transformer架构、提示工程以及在部署这些模型时需要考虑的伦理问题。

培训结束后，参与者将能够：

• 理解生成式AI和大型语言模型的基本原理。
• 为特定业务应用实现和微调LLMs。
• 应用提示工程技术以获得最佳模型输出。
• 识别伦理考虑并管理LLM部署中的风险。

本课程由讲师主导，提供中国（线上或线下）培训，面向中级AI专业人士、伦理学家、数据科学家和工程师，以及政策制定者和利益相关者，旨在帮助他们理解和应对LLM的道德问题。

通过本培训，学员将能够：

• 识别与LLM相关的道德问题和挑战。
• 将道德框架和原则应用于LLM的部署。
• 评估LLM的社会影响，并缓解潜在风险。
• 制定负责任的AI开发和使用的策略。

这种以讲师为主导的中国（在线或现场）现场培训面向中级 NLP 从业者和数据科学家、内容创建者和翻译人员，以及希望使用 LLM 进行语言翻译和创建多语言内容的全球企业。

在培训结束时，参与者将能够：

• 了解LLM跨语言学习和翻译的原则。
• 实现 LLM 以在各种语言之间翻译内容。
• 创建和管理用于训练 LLM 的多语言数据集。
• 制定保持翻译一致性和质量的策略。

本课程为讲师指导的中国线下或线上培训，面向中级水平的金融分析师、数据科学家和投资专业人士，旨在帮助他们利用LLMs进行金融市场分析与预测。

完成培训后，参与者将能够：

• 理解LLMs在金融市场分析中的应用。
• 利用LLMs处理财经新闻、报告和数据，获取市场洞察。
• 开发用于预测股价、市场趋势和经济指标的预测模型。
• 将LLMs生成的洞察融入投资决策流程。

这种由讲师指导的 中国（在线或现场）现场培训面向希望使用 LLM 进行环境建模和分析的中级环境科学家和研究人员、数据分析师以及政策制定者和环境倡导者。

在培训结束时，参与者将能够：

• 了解法学硕士在环境科学中的应用。
• 利用 LLM 对环境数据进行分析和建模。
• 解释用于环境影响评估的 LLM 输出。
• 有效地传达调查结果，为政策和保护工作提供信息。

本课程为讲师指导的线下或线上培训，面向中级水平的VR和AR开发者、游戏设计师及AI工程师，旨在帮助他们将LLM（大语言模型）融入VR和AR应用中，以创建更具吸引力和响应性的环境。

培训结束后，学员将能够：

• 理解LLM在创建沉浸式VR和AR体验中的作用。
• 开发利用LLM进行互动对话和内容生成的VR和AR应用。
• 将LLM与VR和AR开发工具集成，以增强用户参与度。
• 应用最佳实践，设计虚拟空间中的AI驱动叙事和互动。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望将 Large Language Models (LLMs) 应用于高级 AI 应用程序的多模态数据的中级数据科学家、机器学习工程师和软件开发人员。

在培训结束时，参与者将能够：

• 了解使用LLM进行多模态学习的原理。
• 实现 LLM 以处理和分析文本、图像和音频数据。
• 开发利用多模态数据集成优势的应用程序。
• 评估多模式 LLM 系统的性能。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望利用 LLM 来增强网络安全措施和威胁情报的中级网络安全专业人员和数据科学家。

在培训结束时，参与者将能够：

• 了解 LLM 在网络安全中的作用。
• 实现用于威胁检测和分析的 LLM。
• 利用 LLM 实现安全自动化和响应。
• 将 LLM 与现有安全基础架构集成。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望利用大型语言模型 （LLM） 预测各个行业的趋势和行为的中级数据科学家和业务分析师。

在培训结束时，参与者将能够：

• 了解 LLM 的基础知识及其在预测分析中的作用。
• 实施 LLM 来分析和预测各个行业的数据。
• 使用 LLM 评估预测模型的有效性。
• 将 LLM 与现有数据处理管道集成。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望获得 Large Language Models (LLMs) 和 Reinforcement Learning （RL） 全面理解和实践技能的中级数据科学家。

在培训结束时，参与者将能够：

• 了解变压器模型的组件和功能。
• 针对特定任务和应用程序优化和微调 LLM。
• 了解强化学习的核心原则和方法。
• 了解强化学习技术如何提高 LLM 的性能。

这种以讲师为主导的现场培训中国（在线或现场）面向希望利用 LLM 的力量在各个领域生成高质量、多样化和引人入胜的内容的中级内容创作者、营销人员和教育技术人员。

在培训结束时，参与者将能够：

• 了解 LLM 的功能及其在内容生成中的应用。
• 设置和使用 LLM 来生成各种类型的内容。
• 应用最佳实践来提示和微调 LLM 以产生所需的输出。
• 评估 AI 生成内容的质量，并针对特定受众进行优化。
• 探索使用 LLM 生成创意和多模态内容的高级技术。

这种以讲师为主导的中国（在线或现场）现场培训面向具有不同经验和专业知识水平的教育工作者、教育技术专业人士和研究人员，他们希望利用 LLM 来创造个性化的教育体验。

在培训结束时，参与者将能够：

• 了解 LLM 的体系结构和功能。
• 使用 LLM 确定教育内容个性化的机会。
• 设计利用 LLM 进行内容个性化的自适应学习平台。
• 实施 LLM 驱动的策略，以提高学生的参与度和学习成果。
• 评估 LLM 在教育环境中的有效性，并做出数据驱动的决策

本课程由讲师主导，提供中国（线上或线下）培训，面向中级ML从业者和AI开发者，他们希望微调并部署如LLaMA、Mistral和Qwen等开源模型，用于特定业务或内部应用。

培训结束后，学员将能够：

• 了解开源LLM的生态系统及差异。
• 为LLaMA、Mistral和Qwen等模型准备数据集和微调配置。
• 使用Hugging Face Transformers和PEFT执行微调管道。
• 在安全环境中评估、保存和部署微调后的模型。

这种以讲师为主导的中国（在线或现场）现场培训面向希望在语音识别和合成系统中实施 LLM 的初级到中级软件开发人员和数据科学家。

在培训结束时，参与者将能够：

• 了解 LLM 在语音技术中的作用。
• 实现 LLM 以实现准确的语音识别和自然的语音合成。
• 将 LLM 与语音识别引擎和语音合成器集成。
• 使用 LLM 评估和改进语音系统的性能。
• 随时了解语音技术的当前趋势和未来方向。

这种以讲师为主导的 中国（在线或现场）实时培训面向希望实施 LLM 以创建响应迅速且智能的客户支持聊天机器人的初级到中级客户支持和 IT 专业人员。

在培训结束时，参与者将能够：

• 了解 Large Language Models (LLMs) 的基础知识和架构。
• 设计 LLM 并将其集成到客户支持系统中。
• 增强聊天机器人的响应能力和用户体验。
• 解决道德考虑并确保符合行业标准。
• 为实际应用程序部署和维护基于 LLM 的聊天机器人。

本培训由讲师带领，在中国提供线上或线下授课。面向中高级数据科学家和AI工程师，帮助其使用LoRA、Adapter Tuning和Prefix Tuning等方法，更经济高效地微调大型语言模型。

培训结束后，参与者将能够：

• 理解参数高效微调方法背后的理论。
• 使用Hugging Face PEFT实现LoRA、Adapter Tuning和Prefix Tuning。
• 对比PEFT方法与全量微调在性能与成本上的权衡。
• 以更低计算和存储需求部署并扩展微调后的LLM。

本次由讲师主导的培训在中国（线上或线下）面向中高级机器学习工程师、AI开发人员和数据科学家，旨在帮助他们学习如何使用QLoRA高效地微调大模型，以完成特定任务和定制化需求。

通过本培训，参与者将能够：

• 理解QLoRA和LLMs量化技术的理论基础。
• 在微调大语言模型时实现QLoRA，以应用于特定领域。
• 通过量化优化微调性能，利用有限的计算资源。
• 高效地部署和评估微调模型在实际应用中的表现。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望应用 LLM 来分析和解释来自各种文本来源（如社交媒体帖子、产品评论和客户反馈）的公众情绪的中级数据和营销专业人士。

在培训结束时，参与者将能够：

• 了解情绪分析的原理及其使用 LLM 的应用。
• 预处理和准备用于情绪分析的数据集。
• 训练和微调 LLM 以准确反映文本中的情绪。
• 实时分析来自社交媒体和其他文本来源的情绪。
• 将情绪分析结果整合到业务战略和决策流程中。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望利用 LLM 来简化其编码工作流程并创建详细、全面的文档的中级软件开发人员和技术作家。

在培训结束时，参与者将能够：

• 了解 LLM 在自动化代码生成和软件文档方面的作用。
• 利用 LLM 创建准确高效的代码片段和文档。
• 将 LLM 集成到其软件开发生命周期中，以提高生产力。
• 使用自动化工具维护高质量的文档标准。
• 解决在软件开发中使用 AI 的道德考虑和最佳实践。

这种以讲师为主导的中国（在线或现场）现场培训面向希望利用 LLM 的力量来提取业务见解的中级业务专业人员和数据分析师。

在培训结束时，参与者将能够：

• 了解 LLM 在商业智能环境中的基础知识和应用。
• 应用 LLM 来分析大型数据集并提取有意义的见解。
• 将 LLM 驱动的分析集成到战略业务决策流程中。
• 评估在业务中使用 LLM 的道德考虑和最佳实践。
• 预测 AI 的未来趋势，并为不断发展的商业智能环境做好准备。

这种以讲师为主导的现场培训（线上或现场）面向希望掌握 LlamaIndex 来开发由 LLM 驱动的创新应用程式的中级到高级开发人员和资料科学家。

在培训结束时，参与者将能够：

• 设置和配置 LlamaIndex 以用于 LLM。
• 使用 LlamaIndex 索引和查询自订数据集以增强 LLM 功能。
• 设计和开发利用 LlamaIndex 和 LLM 的复杂应用程式。
• 了解并应用使用 LLM 和 LlamaIndex 的最佳实践。
• 了解部署 LLM 支援的应用程式所涉及的道德注意事项。

本次由讲师指导的线下培训（线上或线下）面向中级水平的AI研究员、机器学习专业人士和数据科学家，旨在帮助他们使用LlamaIndex增强AI模型的能力，使其在各种应用中更加准确和可靠。

培训结束后，学员将能够：

• 理解LlamaIndex的原理和组件。
• 为LLMs（大型语言模型）摄取和结构化数据。
• 实施上下文增强以提高AI模型的性能。
• 将LlamaIndex集成到现有的AI系统和工作流程中。

本课程为讲师指导的实时培训，在中国（线上或线下）进行，面向希望利用提示工程和少样本学习来优化LLM性能的中级专业人士。

培训结束后，学员将能够：

• 理解提示工程和少样本学习的原理。
• 为各种NLP任务设计有效的提示。
• 利用少样本技术以最少的数据适应LLMs。
• 为实际应用优化LLM性能。

本课程为讲师带领的现场培训，支持线上或线下参与。旨在面向高级工程师、AI专家和本地化负责人，实施大语言模型（LLM）系统，用于自动翻译、质量评估和企业治理。

培训结束后，学员将能够：

• 构建企业级LLM本地化流水线，整合开源模型与专有模型。
• 实施自动化的QA工作流，设定翻译一致性的质量指标。
• 建立多语言内容生产的治理与审批框架。
• 在安全环境中部署可扩展、可审计的基于LLM的本地化系统。

这门在 中国 举办的讲师引导的现场培训，旨在帮助数据工程师将 LLM 整合到 SQL 环境中。参与者将构建自然语言管道，实施 AI 驱动的优化，并设计安全的企业级工作流，以实现自动化数据分析。

本课程为讲师主导的实时培训（线上或线下），面向中级AI开发人员和本地化工程师，旨在设计可扩展的自动化翻译流水线，使用专有和开源LLM。

完成培训后，参与者将能够：

• 使用现代LLM框架和API设计并部署翻译工作流。
• 将开源和商业模型集成到可扩展的翻译系统中。
• 通过微调、提示工程和自动化优化翻译质量。
• 为企业环境实施成本高效且合规的翻译基础设施。

本次由讲师指导的培训在中国（线上或线下）进行，面向中级开发者，旨在帮助他们学习如何将生成式AI与LLMs应用于各种任务和领域。

培训结束后，参与者将能够：

• 解释生成式AI是什么及其工作原理。
• 描述驱动LLMs的Transformer架构。
• 使用经验缩放法则针对不同任务和约束优化LLMs。
• 应用最先进的工具和方法训练、微调和部署LLMs。
• 讨论生成式AI对社会和商业的机遇与风险。

通过 中国 的讲师引导培训，掌握 Postgres 中的 AI 集成。学习配置扩展。实现 pgvector 嵌入。连接 LLM 以获得实时洞察。在动手实时实验环境中优化查询。构建智能系统。

本次由讲师指导的培训在中国（线上或线下）面向中高级AI开发者、架构师和产品经理，旨在帮助他们识别和缓解与LLM应用相关的风险，包括提示注入、数据泄露和未经过滤的输出，同时融入安全控制措施，如输入验证、人工监督和输出防护。

通过本次培训，参与者将能够：

• 理解基于LLM系统的核心漏洞。
• 将安全设计原则应用于LLM应用架构。
• 使用如Guardrails AI和LangChain等工具进行验证、过滤和安全性控制。
• 将沙盒、红队测试和人工审核等技术集成到生产级流程中。

本课程由讲师主导，提供中国的线上或线下培训，面向希望为特定任务和数据集定制预训练模型的中高级专业人员。

培训结束后，学员将能够：

• 理解微调的原理及其应用。
• 为微调预训练模型准备数据集。
• 为NLP任务微调大型语言模型 (LLMs)。
• 优化模型性能并解决常见挑战。

这种由讲师指导的现场培训中国（在线或远程）面向希望使用 LLM 执行各种 NLP 任务并为不同目的创建新颖多样内容的中级数据科学家、AI 开发人员和 AI 爱好者。

在培训结束时，参与者将能够：

• 使用 LLM 和基本工具建立开发环境。
• 使用 LLM 熟练地执行 NLU 和 NLI 任务。
• 有效地提取、推断和利用知识图谱。
• 使用 LLM 为对话应用程序生成和管理对话。
• 评估 LLM 和生成式 AI 生成的内容质量和多样性。
• 应用道德原则，确保公平和负责任地使用法学硕士。

这种由讲师指导的 中国 现场培训（在线或现场）面向希望使用大型语言模型完成各种自然语言任务的初级到中级开发人员。

在本次培训结束时，参与者将能够：

• 设置包含常用 LLM 的开发环境。
• 创建基本 LLM 并在自订数据集上对其进行微调。
• 将 LLM 用于不同的自然语言任务，例如文本摘要、问答、文字生成等。
• 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具调试和评估 LLM。

在 中国（线上或线下）进行的这场由讲师引导的实时培训，旨在帮助希望将大语言模型 (LLM) 和 AI 集成到其监控、告警及事件分析工作流中的观测性和 SRE 工程师。

本次由导师授课、在中国进行的（online or onsite）实时培训，旨在帮助希望利用AI工具和自动化平台优化支持流程、统一响应标准并减少人工文档工作的IT支持专业人员。

这堂在中国进行的讲师主导的现场培训（线上或线下）面向希望使用腾讯混元部署大型和MoE模型，以降低延迟、增强吞吐量并更好地控制成本的中高级工程师和架构师。

完成本课程后，学员将能够：解释混元生产部署模式，优化推理性能，实现批处理和量化策略，并规划可扩展的服务操作。

本讲师主导的 中国（线上或线下）现场培训，面向中级开发人员、技术产品团队以及希望使用 Hunyuan 模型为图像、3D 和视频生成及交付创建多模态应用的 AI 从业者。

通过本课程的学习，参与者将能够：构建基于提示的工作流，生成并审查多模态资产，通过应用程序或 API 提供输出，并将 Hunyuan 的能力连接到企业产品堆栈。

课程目标turn软件/AI工程师转型为法律工程师——即能够真正为法律工作（电子发现、审查、调查）构建AI系统的人才。

在两天时间内，学员将构建核心基础架构：摄取并提取杂乱的真实世界法律数据，进行搜索与检索，加入带引文的检索增强生成（RAG），利用本地模型确保私密性并提供证明，运行具备法庭适用指标的可辩护AI审查，并将成果打包以供部署。

本在中国举办的讲师主导的现场培训（线上或线下），面向希望利用MCP将AI助手与外部工具、数据及企业服务连接的初级/中级/高级AI专业人士。

通过本课程，学员将能够：解释MCP概念，识别关键架构组件，搭建基础集成，并应用安全最佳实践。

此类在中国开展的由讲师指导的实时培训（线上或线下）面向中级企业架构师，旨在帮助他们利用模型上下文协议设计安全、可扩展且可治理的智能体集成平台，以适用于企业环境。

完成本课程后，学员将能够：解释MCP架构及企业模式、设计安全的集成平台、应用治理与访问控制，并评估部署和扩展选项。

本次由讲师指导的培训中国（线上或线下）面向中级开发者、架构师和平台工程师，他们希望通过MCP构建可靠的企业部署和操作服务器和客户端。

培训结束后，学员将能够：解释MCP架构的实际应用，构建生产就绪的集成，部署和观察MCP服务，并应用版本控制、弹性和支持模式。

该在中国提供的线上或线下讲师主导培训，适合中级IT领导、合规专家、安全团队和企业架构师。学员将学习运用自主AI原则与治理实践，设计能保护敏感数据、支持本地化要求并减少供应商锁定风险的AI环境。

完成培训后，参与者将能够：解释自主AI概念，评估托管与治理选项，定义针对提示词和日志的控制措施，并制定实用的采纳路线图。