课程：AI大模型核心机制原理解构与应用场景

求知

文章

文库

Lib

咨询

会员

成功案例

相关课程

全部课程 >人工智能

AI大模型核心机制原理解构与应用场景

12 次浏览

1 次


刘老师
超过18年软件研发经验，深度学习与大模型技术专家。

时间地点：北京、上海、深圳根据报名开班

课程费用：2500元/人

报公开课		要内训

企业内训：可以根据企业需求,定制内训,详见内训学习手册

认证方式：
培训前了解能力模型。
培训后进行能力评测：

在线考试

能力分析，给出学习建议

合格者颁发证书，作为职业技能资格证明

随着大语言模型（LLM）技术的迅猛发展，AI正逐步渗透到各类企业的核心业务与职能系统之中，成为推动数字化转型的重要引擎。从模型原理到场景应用，从数据治理到办公自动化，AI不仅在改变“怎么做事”，更在重塑“如何决策”。然而，许多企业从业者对大模型的底层机制、关键能力与落地方式缺乏系统认知，难以将AI能力有效融入自身业务流程。

培训目标：

词向量的原理与演进
注意力机制深入解析
Token 与分词技术实战
MoE 稀疏专家结构机制
大模型函数调用与插件机制（Function Calling）
模型微调原理与关键参数解读
AI在办公自动化场景中的赋能
AI在行业中的典型赋能场景（财务/医疗/教育）

培训对象：算法工程师，分析工程师，人工智能系统开发工程师

学员基础：了解人工智能基本概念

授课方式： 定制课程 + 案例讲解 + 小组讨论，60%案例讲解，40%实践演练

培训内容：1天

词向量的原理与演进	词向量的基本概念及演变（one-hot → Word2Vec → Transformer Embedding）对比静态词向量与上下文词向量（如BERT Embedding），并结合示例分析效果差异
注意力机制深入解析	Self-Attention 的工作机制及其在语言理解中的作用 Query、Key、Value 的计算过程和维度含义，公式和动画进行演示对比单头、多头注意力机制及其在 GPT/LLaMA 中的实际表现
Token 与分词技术实战	Tokenizer 的作用与常用分词方式（BPE、Unigram、WordPiece） HuggingFace Tokenizer 实际操作文本分词，展示 Token 数与计费关系对比不同模型对同一文本的分词策略差异与上下文窗口限制
MoE 稀疏专家结构机制	什么是 MoE（Mixture of Experts），提升模型参数规模而不增加推理负担 Gating 网络如何选择专家模块、Top-k 激活策略 DeepSeek-MoE 与 Switch Transformer 的结构优化方式，分析适用场景
大模型函数调用与插件机制（Function Calling）	OpenAI、通义千问等平台的函数调用机制与 API 协议结构 Tool/Function Schema 的 JSON 格式与参数设计方法示例演示:： LLM 触发调用天气查询、数据库检索等函数的过程
模型微调原理与关键参数解读	从 Pretrain 到 Finetune：微调的必要性与常见策略（全参、LoRA、QLoRA）剖析微调过程中的关键参数（学习率、batch size、epoch、loss function）实操：使用 LLaMA Factory / DeepSeek 进行小规模微调并生成新模型
AI在办公自动化场景中的赋能	AI 在日常办公中的核心角色（文档总结、日程规划、邮件撰写）实操演示：使用大模型生成会议纪要、起草通知、制作数据报表典型工具： Dify、Copilot、Notion AI 的集成方式和使用技巧探讨 AI 如何改变行政、人力、运营等职能的工作方式和效率
AI在行业中的典型赋能场景（财务/医疗/教育）	财务：智能审计辅助、发票核验、自动记账与财务分析报告生成医疗：辅助诊断、电子病历摘要、医学图像辅助识别教育：个性化教案推荐、自动批改作文、AI助教一对一辅导结合实际项目展示AI在不同行业中的落地形式与收益点