課程介紹
本課程內容將從OpenAI大模型的基礎理論出發，逐步深入到模型的實際應用。您將學習到如何利用OpenAI提供的API進行開發，包括文本生成、圖像識別、Embedding嵌入等。我們還將通過一系列案例研究，展示如何將這些技術應用于聊天機器人、內容創作、數據分析、文本分類聚類、文本推薦等領域。
培訓對象
學員需具備：Python語法基礎。
課程收益
無論您是對AI技術充滿熱情的初學者，還是希望提升現有技能的專業人士，本課程都將為您提供必要的知識和技能。通過實踐驅動的教學方法，您將能夠快速上手OpenAI大模型的應用開發，并在課程結束時擁有自己的項目作品。
知識概要
-- 理解大模型概念；
-- OpenAI大模型快速使用；
-- 大模型應用開發-Embedding嵌入；
-- OpenAI 之增強生成（RGA）和實現文本任務；
-- 語音/視覺/文生圖大模型開發；
-- 使用Streamlit搭建web前端。
課程大綱
理解大模型概念
大語言模型基本概念
GPT系列基本概念、
chatGPT使用
智譜清言大模型使用
阿里通義千問大模型使用
科大訊飛大模型使用
提示詞指令工程
Prompt的典型構成
Prompt提問技巧
解鎖Prompt的更多用法
理解大模型智能體
使用國內大模型搭建智能體實戰
OpenAI大模型快速使用
OpenAI核心概念
理解OpenAI 模型介紹
快速使用OpenAI
OpenAI Chat Role
實現多輪對話
實現智能聊天機器人
國內大模型API：智譜、通義千問
理解Message消息和角色定位
OpenAI提示詞實戰
應用實戰：實現多輪聊天機器人
理解文本推理和思維鏈
大模型應用開發-Embedding嵌入
理解文本推理和思維鏈
理解Embedding基本概念
Embedding實現原理
理解Token
OpenAI Embedding 接口介紹
智譜、通義千問 Embedding接口介紹
理解余弦相似度計算
Embedding應用：實現長津湖短評文本推薦
案例實戰：加載本地數據集實現 Q/A機器人
案例實戰：使用Kmeans實現文本聚類
案例實戰：使用樸素貝葉斯算法實現京東紅酒評論分類
OpenAI 之增強生成（RGA）和實現文本任務
文本生成任務介紹
加載本地知識庫(PDF)
實現文檔切分并向量化
灌入向量數據庫，實現檢索
案例實戰：搭建基于本地知識庫的智能聊天機器人
理解函數調用(Function Calling)
OpenAI實現函數調用增強文本生成任務
文本信息抽取
實戰：實現NLP文本信息抽取
實戰：實現文本糾錯
實戰：實現生成合成數據
實戰：實戰文本分類
實戰：實戰文本機器翻譯
語音/視覺/文生圖大模型開發
視覺與圖像識別原理概述
圖像合成DALL.E
圖像理解-車牌識別
語音識別文字
語音識別長文件
將文本轉換成語音之TTS
實現目標定位和圖像檢測
使用Streamlit搭建web前端
Streamlit安裝和概述
Streamlit文本顯示
Streamlit 數據顯示
圖表可視化組件
Form表單元素
多媒體組件
狀態組件
頁面布局和容器
會話管理
緩存裝飾器
案例實戰：構建聊天機器人
案例實戰：搭建本地知識庫的問答機器人
Streamlit部署
認證過程
無認證考試
開班信息
暫無開班信息