求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Model Center   Code  
会员   
 
 
 
开班计划 | 技术学院 | 管理学院 | 嵌入式学院 | 机械 | 军工学院 | 定向培养 | 专家指导  
 电话 English
成功案例   品质保证
成功案例
中航信 数据湖架构原理与应
某医疗磁 数据采集与处理
某科技公 大数据(Hadoo
诺基亚 Python基础
天津电子 Elasticse
中国电信 数据仓库与数据挖掘
某航天科 MySQL性能优化

相关课程  
并发、大容量、高性能数据库
高级数据库架构设计师
Hadoop原理与实践
HBase原理与高级应用
Oracle 数据仓库
数据仓库和数据挖掘
Oracle数据库开发与管理
 
全部课程 >人工智能  
多模态、ChatGPT与扩散模型实战
1013 次浏览  35 次
Williams
人工智能初创公司合伙人,技术负责人。
 
时间地点:北京 6月27日-6月28日; 深圳、上海根据报名开班
课程费用:5000元/人
报公开课  
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


    课程讲授人是从事深度学习项目管理的人员,带队完成了数十个 AI 项目,内容不仅包括深度学习、机器学习、数据挖掘等具体技术要点,也包括 AI 的整体发展、现状、应用、商业价值、未来方向等,涵盖内容非常丰富。

    课程收益:
    1、整体把握机器学习、深度学习、数据挖掘的发展方向
    2、了解机器学习、深度学习、计算机视觉的技术框架
    3、理解机器学习和深度学习的思维方式和关键技术
    4、了解深度学习和机器学习在当前工业界的落地应用
    5、了解 AI 顶会论文和最新技术热点
    培训对象: 企业负责人、管理层,业务骨干,技术专家,创业群体,及对人工智能感兴趣的学员群体等
    学员基础: 无特定要求
    授课方式:讲师讲授+现场讨论+案例分析+模型讲解
    培训内容:2天
    主题
    课程安排
    第一节:多模态模型

    •  编码器、解码器
    •  自注意力机制
    •   Transformer  、  Mask Multi-Head Attention
    •  特定于任务的输入转换
    •  无监督预训练、有监督 Fine-tuning
    •  GPT2 :多任务系统
    •  GPT3 :少样本、零样本学习
    •  meta-learning (元学习)和 in-context learning (基于上下文的学习)
    •  实战:高考作文神器( writeGPT )
       安装环境: OpenCV, Pandas , Regex  , Numpy  , Requests 
       摄像头读题、 EAST 文本检测、
       通顺度判断
       作文生成
    •  实战:古诗词 GPT ( chineseGPT )
       散文生成、诗词模型、对联模型、文言文模型
    第二节:从GPT3到chatGPT

    •  监督微调( SFT )模型
    •  指示学习和提示学习
    •  简单提示、小样本提示、基于用户的提示
    •  指令微调
    •  RLLHF 技术详解(从人类的反馈中学习)
    •  聚合问答数据训练奖励模型( RM )
    •  强化学习微调、 PPO
    •   InstructGPT 遵循用户意图使用强化学习方案
    •  Instruct Learning vs. Prompt Learning
    •  ChatGPT 增加增加了 Chat 属性
    •  AI 系统的新范式
    •  GPT1-GPT2-GPT3-InstructGPT 的 -chatGPT 的技术关系
    •  实战:使用 chatGPT 打造你的私人聊天助理( revchatGPT )
    •  实战:演示提示词技巧,翻译器润色器、 JavaScript 控制台   、 Excel Sheet
    •  实战:网站定制 chatgpt-web
    •  安装环境 pnpm
    第三节:生成模型AutoGPT等实战

    环境 : VSCode + devcontainer : 、 Docker 、 Python 3.10 
    •  配置 OpenAI 的 API
    •  配置谷歌 API/
    •  配置 Pinecone API
    •  安装插件
    •  Milvus 设置
    •  实战:
       小助理 , 完成代办事项列表中的任务
       帮助进行市场调研,并撰写最佳产品摘要
       生成一个 GPT-4 代理来完成添加到待办事项列表中的任何任务
       自行阅读近期发生的事件自行总结并且撰写播客内容
       自行写博客
       化身 24 小时智能客服
    第四节:大模型中的强化学习

    •  强化学习核心机制
    •  深度学习和强化学习的结合
    •  强化学习是“左右互搏”之术吗?
    •  SARSA 和 Q-Learning
    •  时序差分简介、 TD 目标值 / TD 误差
    •  DP/MC/TD 对比
    •  在线策略 TD : Sarsa 算法
    •  离线策略 TD : Q-learning 算法
    •  表格型强化学习 / 函数近似型强化学习
    •  线性逼近 / 非线性逼近
    •  值函数逼近的 Sarsa 算法
    •  值函数逼近的 Q-learning 算法
    •  人工神经网络(卷积、池化、全连接)
    •  DQN 方法
    •  Double DQN 方法
    •  Dueling DQN 方法
    •  DQN 、 Double DQN
    •  AlphaGo 在其中起的作用
    •  策略梯度 PG 和 PPO 算法
    •  RLHF :从人类的反馈中学习(经典论文学习)
    •  再看 InstructGPT 遵循用户意图使用强化学习方案
    第五节:扩散模型

    •  GAN-VAE- 流模型 - 扩散模型的技术发展和变化
    •  CLIP 和扩散模型的结合:基于 CLIP 模型的多模态引导图像生成:图文引导
    •  GLIDE :文本引导
    •  Diffusion-CLIP 模型
    •  扩散和去噪 (Diffusion&Denoise)
    •  训练和采样 (Training&Sampling)
    •  离散步骤的马尔可夫链
    •  分子热动力学的扩散过程
    •  离散加噪
    •  DDPM- 最经典的扩散模型
    •  DDIM :加速采样、可控扩散
    •  IVLR :迭代去燥的图像编辑,低通滤波上采样
    •  RePaint: 被掩码的区域进行扩散生成
    •  代码和案例实践一:
    •  低质量噪声图像修复
    •  精确复原原图
    •  图像去除遮挡、图像补全
    •  图像生成(人物恢复青春、人物变瘦)
    •  第二节: 引导扩散模型 - 图文引导图像生成
    •  图像引导、文本引导、图像 + 文本引导
    •  CLIP 和扩散模型的结合:基于 CLIP 模型的多模态引导图像生成:图文引导
    •  GLIDE :文本引导
    •  DALL·E 2 : diffusion model 和 CLIP 结合在一起
    •  隐式分类器引导的图像生成
    •  Blended Diffusioni 模型
    •  Diffusion-CLIP 模型
    •  DiffEdit 模型
    •  分别实现图像引导、文字引导、图文引导下的图片生成
    •  Diffusion LM
    •  本人在央企数字化转型中的实践体会
    •  知识图谱 - 图网络等 “ 边缘技术 ” 在 AIGC 中的应用
    •  AIGC 的可能应用领域和行业影响
       
    1013 次浏览  35 次
    其他人还看了课程
    Python、数据分析与机器学习  1641 次浏览
    人工智能  
    深度学习与图像处理  2383 次浏览
    Neo4j图算法工程师   1830 次浏览
    知识图谱构建方法与技术(金融行业)  2018 次浏览
    人工智能概况和前沿展望  2568 次浏览
    定制内训
    最新活动计划
    MBSE(基于模型的系统工程)6-20[北京]
    大模型微调原理与实操 6-20[厦门]
    基于模型的数据治理与中台 6-25[北京]
    DoDAF规范、模型与实例 6-24[北京]
    UAF架构体系与实践 7-4[北京]
    Linux内核编程及设备驱动 7-25[北京]