会务咨询
专题一：大模型+智能体技术原理与实战
中国联通软件研究院 蔡丰龙
专题二：视觉大模型与具身智能应用实战
哈尔滨工业大学 屈桢深
专题一：大模型+智能体前沿技术原理与项目实战
高级进阶课程，配套课件、环境、实验手册、源码、数据、回放
本课程面向高校教师及相关科研人员，系统讲解大模型技术原理、开发方法与智能体应用实践。课程从人工智能与神经网络基础出发，深入介绍 Transformer、大语言模型、多模态大模型、强化学习与 RLHF、参数高效微调及模型压缩部署等核心技术；进一步围绕大模型智能体，系统讲解 Prompt Engineering、Tool Calling、ReAct、Planning、RAG、Memory、Context Engineering、MCP、多智能体协作及Deep Research等前沿技术，并结合科研调研、论文写作、数据分析、知识图谱RAG等综合案例开展实践，帮助学员建立从“大模型原理理解”到“智能体系统设计与开发”的完整知识体系。
通过理论讲解与项目实战相结合，使学员系统理解大模型与智能体的核心技术原理和发展脉络，掌握主流大模型调用、部署、微调及智能体开发方法；理解大模型从“内容生成”向“自主规划、知识检索、工具调用、持续记忆和多智能体协作”演进的技术机制；培养利用大模型和智能体技术解决科研、教学及实际业务问题的能力，为后续开展人工智能相关教学、科研创新和应用开发奠定基础。通过本课程，学员能够理解大模型与智能体核心原理，掌握模型调用、微调、部署及Agent开发方法，具备RAG、Memory、MCP、多智能体协同等系统设计能力，并能够面向科研、教学和业务场景构建综合型智能体应用。完成本课程后，学员将能够：1、理解大模型核心原理：掌握神经网络、Embedding、Transformer、Attention、MoE、多模态大模型及生成式模型等核心技术原理。2、掌握大模型开发与优化方法：能够调用和部署主流大模型，理解LoRA、QLoRA、模型量化、剪枝、蒸馏等微调与高效部署技术。3、掌握单智能体核心开发技术：能够运用Prompt Engineering、Tool Calling、Function Calling、ReAct、Planning 与 Reflection 等技术构建具有自主任务执行能力的 Agent。4、掌握知识、记忆与上下文增强技术：能够构建RAG 和 Agentic RAG 系统，理解 Agent Memory、Context Engineering 与 MCP 的原理及工程实现方法。5、掌握多智能体系统设计方法：理解多智能体角色分工、任务编排、Supervisor、Handoff、Generator—Critic 等典型协作机制，并能够利用主流 Agent Framework 构建多智能体应用。6、具备综合智能体应用开发能力：能够围绕科研调研、论文写作、实验数据分析等真实场景，综合运用RAG、Memory、Tool Calling、MCP、多智能体协同和 Agent Loop 等技术设计并实现较完整的大模型智能体系统。实操及部分原理展示部分实操
专家介绍
专题二：人工智能视觉大模型与具身智能应用实战
高级进阶课程，配套课件、环境、实验手册、源码、数据、回放在视觉大模型与具身智能飞速发展的今天，机器视觉已从简单的“图像处理”跨越到“语义理解”，并进一步演进为“物理交互”。课程面向高校教师、科研人员及相关专业学习者，系统讲授视觉大模型与具身智能的核心原理与应用实践。课程以“体系清晰、应用实战”为特色，围绕“机器视觉体系——深度学习视觉——视觉大模型——具身智能应用”这一主线展开。一方面从整体框架出发，建立完整的机器视觉技术体系；另一方面从代码实现和项目案例入手，讲清关键算法和应用细节。课程内容涵盖机器视觉基本概念、图像处理与视觉任务、深度学习基础、Transformer、视觉-语言大模型、多模态理解、目标检测、图像分割、具身智能、VLA/VLM/VLN模型、ROS机器人系统等前沿方向。课程将结合OpenCV、PyTorch、ROS等主流框架，通过丰富的实验演示和项目案例，帮助学员真正理解技术原理，并具备动手实践和项目开发能力。课程注重“原理清楚、案例看懂、代码上手”，既适合作为高校相关课程建设的参考，也可为机器视觉、具身智能、智能制造等方向的科研与工程应用提供支撑。课程以“知识理解透彻，代码应用实战”为目标，致力消除机器视觉理论与实践间的断层，实现以下目标：1. 构建体系：建立完整的机器视觉技术体系，理解从传统视觉到深度学习视觉，再到视觉大模型的发展框架；2. 深度掌握：掌握深度学习在图像分类、目标检测、图像分割、视觉理解等任务中的基本方法与实现流程；掌握Transformer、多模态大模型、视觉-语言模型等前沿技术的基本原理和典型应用；掌握具身智能的基本概念、系统架构和关键技术，掌握大模型框架下视觉感知与机器人控制的结合方法；3. 代码实操：通过OpenCV、PyTorch、ROS等平台开展代码实践，提升算法实现、系统搭建和项目开发能力；4. 成果迁移：可直接借鉴课程配套的实验案例与教学课件，实现快速开课或项目孵化。2、掌握现代深度学习应用与机器视觉的基本思想与关键方法；3、掌握视觉-语言大模型的核心技术和检测、分割等典型应用；5、通过自动驾驶等实例掌握ROS系统编程及具身智能实现；8、加强机器视觉的实践与项目联系，提升知识理解和编程实现能力。课程大纲
专家介绍
会务咨询
