生成式人工智能（AIGC）应用技术培训班 各企事业单位、高等院校及科研院所： 随着人工智能技术的不断发展，生成式人工智能（AIGC）作为当前人工智能的前沿领 域，特别是2022年OpenAI发布ChatGPT，AIGC在模型应用层面实现重要突破，成为全球 最热的科技话题。生成式模型是指能够自动产生新的、具有一定逻辑关系的数据的人工智 能模型，如自动文本、图像、音频等生成模型。生成式人工智能大模型在各个领域的应用 领域非常广泛，包括自然语言处理、机器翻译、图像生成等。 为了让更多的人了解、掌握和运用生成式人工智能技术，推动人工智能行业更快、更 好的发展，由中国管理科学研究院职业教育研究院联合北京仕而优教育科技集团有限公司 特举办“生成式人工智能（AIGC）应用技术培训班”。旨在培养学员具备生成式人工智能算法基础 和实践经验。课程内容涵盖了生成式模型的基本理论、常用算法以及经典案例，通过案例分析帮助学 员深入理解生成式人工智能的核心概念和技术，并具备独立设计、开发和部署生成式人工智能系统的 能力。 现将具体事宜通知如下： 一、组织机构 主办单位：中国管理科学研究院职业教育研究院 承办单位：北京仕而优教育科技集团有限公司 二、培训时间及形式《远程在线培训和线下现场培训两种授课方式任选其一》 2023年10月27日-29日（线上上机实操） 2023年10月26日-29日（北京第一天报到，授课三天） 三、培训目标： 1.掌握生成式人工智能的基本概念、原理和常用算法。 2.理解生成式模型的训练过程和评估方法。 3.学会使用常见的生成式人工智能工具和框架进行模型开发和实验。 4.掌握生成式人工智能在自然语言处理、计算机视觉等领域的应用。 5.具备独立解决实际问题的能力，包括模型设计、数据处理、模型训练和性能优化。 四、培训对象 面向全国企事业单位高等院校科研院所学习或从事计算机科学、人工智能、深度学习、自然语 言处理等领域的教师研究生工程师以及爱好者等，具备扎实的编程基础，熟悉Python等编程语言.中国管理科学研究院职业教育研究院 中管院职教通字{2023}99号五、课程体系 一、(生成式)人工智能核心知识点梳 理1，人工智能算法的2个前提和2个阶段 （1）人工智能算法的2个前提（2）人工智能算法的2个阶段 2，人工智能算法的通用算法架构 （1）特征抽取（2）任务输出 3，人工智能算法的核心任务 （1）分类任务（2）回归任务（3）聚类任务（4）推荐任务 4，人工智能算法的特征抽取器 （1）特征工程（2）卷积结构（3）循环结构（4）注意力机制 5，人工智能算法的开发框架 （1）TensorFlow（2）PyTorch（3）PaddlePaddle 生成式人工智能核心知识点梳理 1，人工智能中的两种底层建模思想 （1）判别式建模思想（2）生成式建模思想 （3）两类建模思想的异同点 2，生成式人工智能概述 （1）计算机视觉中的AIGC（2）自然语言处理中的AIGC （3）AIGC的训练和推理方法（4）AIGC的评价指标 二、计算机视觉AIGC 1，计算机视觉基础 （1）卷积网络结构（2）图像分类算法（3）物体检测算法 （4）图像分割算法（5）关键点检测算法（6）图像生成算法 2，生成式算法GAN （1）GAN网络结构分析（2）生成器和鉴别器对抗原理剖析 （3）GAN网络训练过程剖析（4）GAN网络推理过程剖析 （5）实操：GAN网络的应用 3，生成式算法StyleGAN （1）StyleGAN网络结构分析（2）StyleGAN训练技巧 （3）StyleGAN性能评估 （4）实操：StyleGAN的工业应用 4，生成式算法Diffusion （1）Diffusion网络结构（2）Diffusion前向加噪过程 （3）Diffusion逆向推理过程（4）Diffusion的训练过程 （5）加速Diffusion采样和方差的选择(DDIM) 5，生成式算法StableDiffusion （1）StableDiffusion算法剖析（2）StableDiffusion系统部署 （3）StableDiffusion提示词工程 （4）StableDiffusion超参设置 （5）实操：StableDiffusion应用案例 6，其它生成式算法（产品） （1）实操：DALL-E2（2）实操：Midjourney （3）实操：文心一格三、自然语言处理AIGC 1，自然语言处理基础 （1）什么是时序特征（2）RNN,LSTM,GRU提取时序特征 （3）实操：文本分类任务（4）实操：序列标注类任务 （5）实操：其它NLP常见任务 2，生成式算法Seq2Seq （1）Seq2Seq网络架构 （2）Seq2Seq训练流程 （3）Seq2Seq推理流程 （4）实操：Seq2Seq语言翻译 （5）实操：Seq2Seq对话机器人（6）实操：Seq2Seq其它应用 3，生成式算法Seq2SeqwithAttention （1）Seq2SeqwithAttention网络架构 （2）Seq2SeqwithAttention训练流程 （3）Seq2SeqwithAttention推理流程 （4）实操：Seq2SeqwithAttention语言翻译案例 （5）实操：Seq2SeqwithAttention对话机器人案例 （6）实操：Seq2SeqwithAttention其它应用 4，Transformer架构 （1）Embedding嵌入和Encoding编码 （2）多头注意力机制的原理 （3）ResidualConnection短接层 （4）LayerNorm层归一化层 （5）Transformer的训练流程 （6）Transformer的推理流程 （7）实操：Transformer语言翻译案例 （8）实操：Transformer对话机器人案例 5，生成式算法BERT （1）BERT网络架构（Encoder-Only）（2）BERT训练流程 （3）BERT推理流程 （4）BERT预训练模型 （5）实操：BERT预训练模型案例 6，生成式算法GPT （1）GPT网络架构（Decoder-Only）（2）GPT训练流程 （3）GPT推理流程 （4）ChatGPT架构 （5）实操：ChatGPT应用 7，生成式算法LLaMA1和2 （1）LLaMA网络架构（Decoder-Only）（2）LLaMA训练流程 （3）LLaMA推理流程（4）实操：LLaMA2部署和实操应用 8，生成式算法GLM算法 （1）GLM网络架构（Decoder-Only）（2）GLM训练流程 （3）GLM推理流程（4）实操：ChatGML2部署和实操应用 9，其它生成式算法（产品） （1）实操：百川大模型（2）实操：阿里通义千问 （3）实操：百度文心一言（4）实操：其它大模型 10，基于“LangChain+大模型”的行业落地最佳实践 （1）LangChain框架剖析（2）私有知识库搭建 （3）向量数据库（4）运行平台选型（CPU，内存，GPU，硬盘等） （5）实操：Step-by-Step全流程搭建 辅助课程 疑难解答、分组讨论； 学后交流、微信群、QQ群建立；