课程概览

AI大模型全栈工程师实战训练营

🗓 时间08-25 周二 09:00

📍 地点线上

👥 适合软件工程师、架构师、AI算法工程师、机器学习工程师、全栈开发者

🎯 你将收获

掌握大模型理论知识
了解自注意力机制、Transformer模型、BERT模型
掌握DeepSeek与ChatGPT等原理与实战
了解LLM应用程序技术栈和提示词工程
了解国产大模型ChatGLM原理及使用

总价

免费

总课时

未公开

每节课

免费

每小时

免费

单节价 = 总价 ÷ 课时；每小时价 = 总价 ÷ 总时长。帮你把"贵不贵"算清楚。

避坑提示报名前先看这些

⚠ 价格未公开，报名前务必确认
? 课时未说明，无法折算单节价
✓ 退款退款规则已公开
⚠ 老师老师信息待核验
✓ 大纲课程内容已公开
⚠ 工具费用是否额外收取工具/账号费用未说明
? 学员评价暂无足够已验证学员评价，口碑待积累

活动已结束

提示由平台按公开信息标准化生成，不代表机构有问题；报名前请向机构确认价格、退款与是否含工具/账号费用。

课程内容

大模型理论知识
DeepSeek 大模型API应用开发
LLM模型的私有化部署与权限控制
Open WebUI前端功能介绍与模型调用演示
vLLM架构简介与Ollama的核心区别
vLLM+OpenAPI实战：部署并调用企业级大模型服务
大模型最核心的三项技术:模型、微调和开发框架
DeepSeek的MoE混合专家模型介绍

课程详情

基础信息

培训形式：线下面授 + 同步直播

培训班次：

2026年8月25-27日北京

2026年10月27-29日重庆

培训费用：6800元/人（含培训费、平台费、资料费、视频回放、证书、发票等费用）。

培训背景

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。

培训对象

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。

培训收益

整体掌握大模型理论知识；
了解自注意力机制、Transformer模型、BERT模型；
掌握DeepSeek与ChatGPT等原理与实战；
了解LLM应用程序技术栈和提示词工程；
了解国产大模型ChatGLM原理及使用；
了解视觉大模型技术优势；
掌握语言理解与字幕生成及其应用；
掌握图像生成和应用实操；
了解应用场景与潜力分析；
了解大模型企业商用项目实战。

培训内容

培训共计3天，每天6小时，具体日程安排如下：

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	初探大模型：起源与发展 GPT模型家族：从始至今大模型DeepSeek VS ChatGPT4的对比介绍大模型实战-讲解大模型2种学习路线大模型最核心的三项技术:模型、微调和开发框架 DeepSeek的MoE混合专家模型介绍 DeepSeek-R3后训练阶段与强化学习技术介绍 OpenAl文本模型A、B、C、D四大模型引擎简介最强Embedding大模text-Embedding -ada模型介绍全球开源大模型性能评估榜单中文大模型生态介绍与GLM 130B模型介绍 DeepSeek模型介绍与部署门槛 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	DeepSeek-V3 大模型API DeepSeek模型&价格 DeepSeek模型参数Temperature设置 DeepSeek模型Token用量计算 DeepSeek大模型多轮对话 DeepSeek大模型JSON Output DeepSeek大模型Function Calling DeepSeek大模型上下文硬盘缓存聊天机器人初探（Chat Completion）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	各种模型文件介绍：.bin、GGUF、 .safetensors等格式区别模型的推理、量化原理与实现流程 ModelScope与Hugging Face平台介绍及模型下载使用大模型管理底座Ollama架构与运行机制 Ollama+LLaMA部署开源大模型的完整流程 Open WebUI前端功能介绍与模型调用演示 Open WebUI用户与访问权限控制配置方法 vLLM架构简介与Ollama的核心区别 vLLM在高并发与吞吐性能上的优化机制解析 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	智能体介绍与Dify基本原理 Dify安装与环境配置 Dify在智能应用中的角色与优势智能体的组成：Prompt、数据源、模型、工具集成 Dify与LangChain、Flowise等工具的对比实战体验：Dify实现数据爬取、清洗、保存创建各种场景的智能：数据分析、代码编写、客服 Dify如何关联本地模型
第二天上午	第五节：基于Deepseek和LangChain构建Agent	通过LangChain中的ReAct框架实现自动定价 LangChain ReAct框架 LangChain中ReAct Agent的实现 LangChain中的工具和工具包通过create_react_agent创建Agent 深挖AgentExecutor的运行机制 Plan-and-Solve策略的提出 LangChain中的Plan-and-Execute Agent 通过Plan-and-Execute Agent实现物流管理为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	RAG、Agent与MCP的区别与联系 MCP与FunctionCall的关系热门的MCP客户端工具有哪些 MCP服务接入原理讲解自定义MCP Client开发--STDIO协议对接 LangGraph agent接入Github MCP服务 Langchain_mcp_adatpers创建高德MCP客户端基于高德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	LlamaIndex：选择与配置不同的语言模型与向量模型 LlamaIndex提示：定义与管理查询模板及上下文注入策略 LlamaIndex索引：构建文档索引、向量索引与树形索引 LlamaIndex存储：访问与持久化外部知识数据 LlamaIndex记忆：实现对多轮对话的上下文追踪与复用 LlamaIndex代理：整合外部工具与执行动态任务实战演练：使用LlamaIndex构建企业文档问答系统
	第八节：GitHub Copilot AI 辅助编程	GitHub Copilot的核心原理与工作机制 Copilot在主流IDE中的安装与配置代码补全与建议：基础功能实战 Copilot Chat：自然语言交互式编程代码解释与文档生成：效率提升技巧单元测试与代码重构的Copilot辅助 Copilot的安全与隐私保护机制企业级应用：Copilot for Business的管理与策略 Prompt Engineering：优化Copilot 建议的技巧未来展望：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	Python工程化基石：Pylint与代码质量门禁 GitLab CI/CD 核心原理与流水线构建 AI驱动的静态代码分析与Pylint优化 GitLab Runner配置与Python环境容器化 CI流程中的自动化测试与代码覆盖率持续交付（CD）实战：Python应用的自动化部署 Cython基础：提升Python性能的编译原理 AI辅助的Cython封装与性能瓶颈分析 GitLab CI/CD集成Cython编译与构建优化全流程可观测性：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	用Stable Diffusion实现文生图（输入文字就能画图）用Stable Diffusion实现图生图（上传图片自动变换风格）提示词怎么写？掌握关键词技巧玩转Lora微调，让图片拥有不同风格（动漫、国风、写实）艺术字、证件照、logo、海报、详情图制作实操 AI辅助设计，快速搞定海报、Banner、广告图认识HeyGen，AI数字人生成工具用HeyGen生成数字人大纲、剧本、字幕、配乐一键制作真人感十足的数字人视频实现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	多模态大模型的核心原理与应用场景报销凭证（发票、单据）的结构化特征与难点数据准备：票据样本、文字识别与表格标注如何科学构建训练数据（基础与专业数据混合训练）微调常见方式介绍：微调、偏好对齐、蒸馏、奖励模型 OCR微调：关键字段识别（抬头、金额、日期、税号）版式与图像理解：复杂票据结构解析多模态信息对齐：文本、图像与语音的融合参数高效微调方法（LoRA/Adapter）实战案例演示：凭证识别与结构化信息提取业务落地：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	MLflow架构与LLM MLOps生命周期 MLflow Tracking实战：微调过程可视化微调指标与结果的高效对比分析 MLflow与主流微调框架的集成大模型微调后的模型打包与存储模型注册表（Model Registry）与版本管理 LLM 评估：自动化与人工反馈 Prompt Engineering与提示词版本控制 LLM可观察性（Observability）与 Tracing 微调模型的部署与服务化

备注：采用小班制教学，授课过程中，讲师会通过互动提问、组织小组讨论、即时答疑等形式，帮助学员把所学知识转化为可落地的能力。

讲师介绍

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。

服务内容退款：未说明

–回放 –答疑 –作业点评 –社群

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	初探大模型：起源与发展 GPT模型家族：从始至今大模型DeepSeek VS ChatGPT4的对比介绍大模型实战-讲解大模型2种学习路线大模型最核心的三项技术:模型、微调和开发框架 DeepSeek的MoE混合专家模型介绍 DeepSeek-R3后训练阶段与强化学习技术介绍 OpenAl文本模型A、B、C、D四大模型引擎简介最强Embedding大模text-Embedding -ada模型介绍全球开源大模型性能评估榜单中文大模型生态介绍与GLM 130B模型介绍 DeepSeek模型介绍与部署门槛 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	DeepSeek-V3 大模型API DeepSeek模型&价格 DeepSeek模型参数Temperature设置 DeepSeek模型Token用量计算 DeepSeek大模型多轮对话 DeepSeek大模型JSON Output DeepSeek大模型Function Calling DeepSeek大模型上下文硬盘缓存聊天机器人初探（Chat Completion）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	各种模型文件介绍：.bin、GGUF、 .safetensors等格式区别模型的推理、量化原理与实现流程 ModelScope与Hugging Face平台介绍及模型下载使用大模型管理底座Ollama架构与运行机制 Ollama+LLaMA部署开源大模型的完整流程 Open WebUI前端功能介绍与模型调用演示 Open WebUI用户与访问权限控制配置方法 vLLM架构简介与Ollama的核心区别 vLLM在高并发与吞吐性能上的优化机制解析 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	智能体介绍与Dify基本原理 Dify安装与环境配置 Dify在智能应用中的角色与优势智能体的组成：Prompt、数据源、模型、工具集成 Dify与LangChain、Flowise等工具的对比实战体验：Dify实现数据爬取、清洗、保存创建各种场景的智能：数据分析、代码编写、客服 Dify如何关联本地模型
第二天上午	第五节：基于Deepseek和LangChain构建Agent	通过LangChain中的ReAct框架实现自动定价 LangChain ReAct框架 LangChain中ReAct Agent的实现 LangChain中的工具和工具包通过create_react_agent创建Agent 深挖AgentExecutor的运行机制 Plan-and-Solve策略的提出 LangChain中的Plan-and-Execute Agent 通过Plan-and-Execute Agent实现物流管理为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	RAG、Agent与MCP的区别与联系 MCP与FunctionCall的关系热门的MCP客户端工具有哪些 MCP服务接入原理讲解自定义MCP Client开发--STDIO协议对接 LangGraph agent接入Github MCP服务 Langchain_mcp_adatpers创建高德MCP客户端基于高德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	LlamaIndex：选择与配置不同的语言模型与向量模型 LlamaIndex提示：定义与管理查询模板及上下文注入策略 LlamaIndex索引：构建文档索引、向量索引与树形索引 LlamaIndex存储：访问与持久化外部知识数据 LlamaIndex记忆：实现对多轮对话的上下文追踪与复用 LlamaIndex代理：整合外部工具与执行动态任务实战演练：使用LlamaIndex构建企业文档问答系统
	第八节：GitHub Copilot AI 辅助编程	GitHub Copilot的核心原理与工作机制 Copilot在主流IDE中的安装与配置代码补全与建议：基础功能实战 Copilot Chat：自然语言交互式编程代码解释与文档生成：效率提升技巧单元测试与代码重构的Copilot辅助 Copilot的安全与隐私保护机制企业级应用：Copilot for Business的管理与策略 Prompt Engineering：优化Copilot 建议的技巧未来展望：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	Python工程化基石：Pylint与代码质量门禁 GitLab CI/CD 核心原理与流水线构建 AI驱动的静态代码分析与Pylint优化 GitLab Runner配置与Python环境容器化 CI流程中的自动化测试与代码覆盖率持续交付（CD）实战：Python应用的自动化部署 Cython基础：提升Python性能的编译原理 AI辅助的Cython封装与性能瓶颈分析 GitLab CI/CD集成Cython编译与构建优化全流程可观测性：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	用Stable Diffusion实现文生图（输入文字就能画图）用Stable Diffusion实现图生图（上传图片自动变换风格）提示词怎么写？掌握关键词技巧玩转Lora微调，让图片拥有不同风格（动漫、国风、写实）艺术字、证件照、logo、海报、详情图制作实操 AI辅助设计，快速搞定海报、Banner、广告图认识HeyGen，AI数字人生成工具用HeyGen生成数字人大纲、剧本、字幕、配乐一键制作真人感十足的数字人视频实现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	多模态大模型的核心原理与应用场景报销凭证（发票、单据）的结构化特征与难点数据准备：票据样本、文字识别与表格标注如何科学构建训练数据（基础与专业数据混合训练）微调常见方式介绍：微调、偏好对齐、蒸馏、奖励模型 OCR微调：关键字段识别（抬头、金额、日期、税号）版式与图像理解：复杂票据结构解析多模态信息对齐：文本、图像与语音的融合参数高效微调方法（LoRA/Adapter）实战案例演示：凭证识别与结构化信息提取业务落地：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	MLflow架构与LLM MLOps生命周期 MLflow Tracking实战：微调过程可视化微调指标与结果的高效对比分析 MLflow与主流微调框架的集成大模型微调后的模型打包与存储模型注册表（Model Registry）与版本管理 LLM 评估：自动化与人工反馈 Prompt Engineering与提示词版本控制 LLM可观察性（Observability）与 Tracing 微调模型的部署与服务化

《AI大模型全栈工程师实战训练营培训》-公开课

课程概览

避坑提示报名前先看这些

课程内容

课程详情

服务内容退款：未说明

加官方微信报名

课程概览

避坑提示 报名前先看这些

课程内容

课程详情

服务内容 退款：未说明

相关课程推荐

避坑提示报名前先看这些

服务内容退款：未说明