AI工程师系统培训课程介绍

本课程专为希望超越理论学习、亲手构建真实人工智能系统的学员打造。无论你从语言模型入门，还是最终打造多模态代理，都能跟随完整的AI工程师成长路径，在每个培训阶段完成实战项目。

课程说明

本课程采用基于项目的学习模式，全程以实战为核心，循序渐进掌握AI系统开发全流程技能。

课程大纲：基于项目的学习

项目1：LLM游乐场

  • 构建专属沙盒环境，用于大型语言模型（LLM）实操学习
  • 掌握语言模型核心知识：分词化、GPT/Llama架构、文本生成方法
  • 学习后训练核心技术：监督微调（SFT）、人类反馈强化学习（RLHF）
  • 掌握模型质量评估方法：指标体系、基准测试、人工评价标准

项目2：基于RAG和提示工程的客户支持聊天机器人

  • 模型适配实战：微调、PEFT、LoRA轻量化技术
  • 掌握提示工程核心技巧：少量样本、零样本、思维链（CoT）
  • 学习检索增强生成（RAG）：搜索、索引、生成全流程
  • RAG系统质量评估与优化方法

项目3：“询问网络”代理

  • 搭建可调用工具、联网工作的智能代理
  • 学习代理系统核心：规划、反思、多进程工作流设计
  • 掌握工具调用与多代理协同开发方法
  • 代理系统效果评估与性能优化

项目4：深度研究与搜索及推理模型

  • 学习现代推理大模型：OpenAI o1、DeepSeek-R1等前沿模型
  • 掌握推理核心方法：思维链（CoT）、思想树、自一致性技术
  • 推理模型训练实战：监督微调（SFT）、带验证器强化学习、自我精炼

项目5：多模态代理（文本-图像/视频）

  • 学习图像与视频生成技术：扩散模型、GAN、VAE
  • 掌握扩散模型架构与训练：U-Net、DiT核心原理
  • 生成质量评估指标：IS、FID、CLIP
  • 搭建端到端文生图（T2I）、文生视频（T2V）系统

项目6：顶点项目

  • 自主选题：根据个人兴趣与职业需求定制项目主题
  • 技术落地：综合运用课程所学技术完成项目开发
  • 实时指导：开发过程中获取讲师一对一实时反馈
  • 成果展示：完成项目演示与专业点评，收获优化建议
声明：本站所有资源、素材等全部来源于互联网，赞助VIP仅用于对IT资源服务器带宽等费用支出做支持，从本站下载资源，说明你已同意本条款。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。