巨特2026寒假全國高校人工智能師資峰會-青島（2月2-2月7）
詳情：https://mp.weixin.qq.com/s/HvVGmaRfn_vKJ8nZgwWINA
專題一數(shù)據(jù)分析經(jīng)典算法的原理及實戰(zhàn)，中國人民大學(xué)朝樂門教授 博士生導(dǎo)師
專題二大模型與知識圖譜前沿技術(shù)融合實戰(zhàn)，聯(lián)通研究院蔡豐龍高工 高級架構(gòu)師
專題三人工智能視覺大模型與具身智能應(yīng)用實戰(zhàn)，哈爾濱工業(yè)大學(xué)屈楨深教授 博士生導(dǎo)師
專題四大語言模型的應(yīng)用開發(fā)與項目案例實戰(zhàn)，青島理工大學(xué)周煒教授 副院長
專題一：數(shù)據(jù)分析經(jīng)典算法的原理及實戰(zhàn)
高級進階課程，配套教材、課件、環(huán)境、實驗手冊、源碼、數(shù)據(jù)
課程介紹
數(shù)據(jù)分析已成為現(xiàn)代人才必備的能力之一。然而，數(shù)據(jù)分析能力是一種綜合素質(zhì)，不僅需要扎實的理論功底，而且還要豐富的實踐經(jīng)驗。在理論學(xué)習(xí)方面，數(shù)據(jù)分析師需要必須具備機器學(xué)習(xí)、統(tǒng)計學(xué)、數(shù)據(jù)分析、高等數(shù)學(xué)、線性代數(shù)、運籌學(xué)、離散數(shù)學(xué)、人工智能、數(shù)據(jù)庫、數(shù)據(jù)倉庫數(shù)據(jù)挖掘等多門課程的基礎(chǔ)知識；在動手實踐操作方面，數(shù)據(jù)分析師需要積累大量的實際動手操作經(jīng)驗，尤其是基于Python 為代表的開源工具的數(shù)據(jù)分析的實戰(zhàn)經(jīng)驗。因此，如何有效學(xué)習(xí)數(shù)據(jù)分析理論和實踐已成為多數(shù)初學(xué)者所面臨的挑戰(zhàn)。本課程的主要內(nèi)容及特色如下：
1.采用通俗易懂的語言和深入淺出的邏輯講解數(shù)據(jù)分析算法；
2.分別從五個角度講解數(shù)據(jù)分析領(lǐng)域的六大類（共12種）經(jīng)典算法：應(yīng)用場景、算法原理、核心術(shù)語、Python編程實踐以及重點與難點解讀；
3.采取以案例為中心的講解模式，重視實際動手操作能力的提升，帶領(lǐng)學(xué)員現(xiàn)場編寫12項案例項目的Python源代碼；
4.兼顧數(shù)據(jù)分析能力及課堂教學(xué)能力的提升，本課程講解的數(shù)據(jù)分析知識及案例可以直接引入相關(guān)課程的教學(xué)之中；
5.聚焦能力提升，講解每個算法的核心術(shù)語、主要參數(shù)及底層數(shù)學(xué)原理；
6.重視數(shù)據(jù)分析及算法分析領(lǐng)域的核心文獻的利用，并推薦相關(guān)閱讀文獻。
1.掌握數(shù)據(jù)分析領(lǐng)域六大類（共12種）經(jīng)典算法，提升數(shù)據(jù)分析基本功。
2.掌握每個算法的應(yīng)用場景、核心術(shù)語及算法原理。
3.掌握每個算法的Python動手編程方法、技能及經(jīng)驗。
4.掌握每個算法背后的數(shù)學(xué)原理及底層算法知識。
5.掌握每個算法的主要參數(shù)的含義及調(diào)參方法。
6.掌握數(shù)據(jù)分析領(lǐng)域最新動態(tài)及未來發(fā)展趨勢。
7.分享與交流相關(guān)課程的教學(xué)經(jīng)驗和能力。
8.了解數(shù)據(jù)分析領(lǐng)域的核心文獻及代表性實踐，提升學(xué)術(shù)研究和工程實踐能力。
專題二：大模型與知識圖譜前沿技術(shù)融合與實戰(zhàn)
高級進階課程，配套教材、課件、環(huán)境、實驗手冊、源碼、數(shù)據(jù)、錄屏
本課程旨在為高校教師提供深入理解大模型與知識圖譜的原理和應(yīng)用實戰(zhàn)經(jīng)驗。隨著人工智能技術(shù)的飛速發(fā)展，知識圖譜已經(jīng)成為解決各種復(fù)雜問題的重要工具之一。而大模型的興起更是在各領(lǐng)域引發(fā)了巨大的影響，從自然語言處理到計算機視覺，再到推薦系統(tǒng)和生成式模型等等，大模型的應(yīng)用不斷拓展和深化。本課程將全面介紹知識圖譜和大模型的基本原理、算法實現(xiàn)、模型優(yōu)化以及最新的研究進展。本課程旨在結(jié)合理論與實踐，通過深入淺出的講解和動手實踐的項目，幫助參訓(xùn)教師掌握大模型和知識圖譜的核心原理、關(guān)鍵技術(shù)及其在多個領(lǐng)域中的實際應(yīng)用。真正的讓各位老師可以了解到所學(xué)內(nèi)容如何和實際結(jié)合，做到更好的進行教學(xué)、科研工作，同時為發(fā)表高水平論文、競賽輔導(dǎo)、申報縱向和橫向課題打下堅實基礎(chǔ)。
1、通過案例分析，了解大模型和知識圖譜在各個領(lǐng)域的應(yīng)用實踐，啟發(fā)創(chuàng)新思維；
2、本課程注重理論與實踐的緊密結(jié)合，通過豐富的案例分析和項目實戰(zhàn)，使教師能夠?qū)⒗碚撝R轉(zhuǎn)化為實際能力；
3、可以勝任深度學(xué)習(xí)、知識圖譜、大模型等技術(shù)工作，全流程構(gòu)建、項目架構(gòu)設(shè)計并且能夠?qū)嶋H動手完成案例。
4、課程內(nèi)容緊跟大模型和知識圖譜的最新研究進展，同時關(guān)注實際應(yīng)用需求，使教師既能掌握前沿技術(shù)，又能解決實際問題。
1、掌握大模型和知識圖譜的基本原理和算法，理解其原理及計算過程；
2、熟悉深度學(xué)習(xí)開發(fā)環(huán)境搭建和神經(jīng)網(wǎng)絡(luò)原理，能夠搭建和訓(xùn)練基本的深度學(xué)習(xí)模型；
3、了解大模型的設(shè)計原理、優(yōu)化方法和應(yīng)用場景，掌握大模型的訓(xùn)練技巧和部署方案；
4、掌握Transformer模型結(jié)構(gòu)及內(nèi)部原理；
5、掌握大模型環(huán)境構(gòu)建及模型訓(xùn)練部署方法；
6、掌握大模型家族GPT、LLaMA、GLM等模型的內(nèi)部機制；
7、掌握大模型提示學(xué)習(xí)、輕量化微調(diào)、RLHF、量化、蒸餾等核心技術(shù)；
8、掌握大模型的設(shè)計、訓(xùn)練、調(diào)優(yōu)、部署等關(guān)鍵技術(shù)；
9、掌握大模型必備的預(yù)處理相關(guān)技術(shù)；
10、掌握深度學(xué)習(xí)重要領(lǐng)域機器視覺、GAN、強化學(xué)習(xí)的原理及實戰(zhàn)；
11、掌握知識圖譜知識源數(shù)據(jù)的獲取、知識抽取、知識融合、知識加工、知識存儲等核心技術(shù)；
12、掌握融合大規(guī)模語言模型與知識圖譜的推理方法；
13、可以獨自進行基于大語言模型、知識圖譜的全流程構(gòu)建、項目架構(gòu)設(shè)計并且能夠?qū)嶋H動手完成案例。
專題三：人工智能視覺大模型與具身智能應(yīng)用實戰(zhàn)
高級進階課程，配套教材、課件、環(huán)境、實驗手冊、源碼、數(shù)據(jù)、錄屏
課程介紹
課程圍繞視覺大模型和智能機器人領(lǐng)域的最新進展，以“體系清晰，應(yīng)用實戰(zhàn)”為目標，通過形象生動的課程講授和豐富多樣的實驗/演示，一方面“從上而下”明晰視覺體系構(gòu)建及演化，另一方面“自底而上”講清方法實現(xiàn)關(guān)鍵細節(jié)。課程沿“機器視覺框架——深度學(xué)習(xí)——視覺大模型——具身智能”主線，講授機器視覺、視覺大模型與具身智能的基本原理、實例應(yīng)用及前沿進展，內(nèi)容包括機器視覺快速導(dǎo)引與關(guān)鍵概念、視覺系統(tǒng)任務(wù)、深度學(xué)習(xí)、多模態(tài)大模型、具身智能、VLA等，同時涵蓋Transformer、視覺-語言大模型、具身智能等視覺領(lǐng)域的最新進展。課程結(jié)合OpenCV、PyTorch、ROS等通用平臺框架，提供傳統(tǒng)及現(xiàn)代機器視覺、具身智能應(yīng)用的豐富實例及項目講解。課件可視化強；注重講述來龍去脈，同時實驗緊扣課程內(nèi)容，以真正掌握為目標。在激發(fā)學(xué)習(xí)興趣的同時，可切實理解教學(xué)內(nèi)容并能動手實踐，為參訓(xùn)教師今后開設(shè)同類課程及實際項目研發(fā)提供關(guān)鍵支撐。
課程特色
課程以“知識理解透徹，代碼應(yīng)用實戰(zhàn)”為目標，講授機器視覺、視覺大模型與具身智能的基本原理、實例應(yīng)用及前沿進展。結(jié)合OpenCV、PyTorch、ROS等通用平臺框架，提供傳統(tǒng)及現(xiàn)代機器視覺、具身智能應(yīng)用的豐富實例及項目講解。通過課程學(xué)習(xí)，可切實理解機器視覺經(jīng)典及現(xiàn)代深度學(xué)習(xí)、大模型、具身智能方法，同時通過豐富實例提高應(yīng)用能力，參訓(xùn)教師學(xué)習(xí)后可開設(shè)同類課程或從事相關(guān)項目研發(fā)。
目標及學(xué)習(xí)收獲
1、掌握機器視覺體系架構(gòu)、經(jīng)典視覺關(guān)鍵方法思想及內(nèi)容實現(xiàn)；
2、掌握現(xiàn)代深度學(xué)習(xí)應(yīng)用與機器視覺的基本思想與關(guān)鍵方法；
3、掌握深度學(xué)習(xí)視覺識別、檢測等關(guān)鍵任務(wù)中的網(wǎng)絡(luò)構(gòu)建和方法實現(xiàn)；
4、掌握視覺-語言大模型的核心技術(shù)和檢測、分割等典型應(yīng)用；
5、掌握智能系統(tǒng)和具身智能的基本概念；
6、通過自動駕駛等實例掌握ROS系統(tǒng)編程及具身智能實現(xiàn)；
9、加強機器視覺的實踐與項目聯(lián)系，提升知識理解和編程實現(xiàn)能力。
專題四：大語言模型的應(yīng)用開發(fā)與項目案例實戰(zhàn)
高級進階課程，配套教材、課件、環(huán)境、實驗手冊、源碼、數(shù)據(jù)、錄屏
本課程旨在為高校教師提供深入理解學(xué)習(xí)大模型的原理和基于大語言模型的開發(fā)智能應(yīng)用實戰(zhàn)經(jīng)驗。ChatGPT應(yīng)用作為AIGC（人工智能生成內(nèi)容）的“iPhone時刻”，掀起了新一輪生成式人工智能的發(fā)展狂潮，人工智能技術(shù)已從“小模型+判別式”轉(zhuǎn)向“大模型+生成式”。而大模型的興起更是在各領(lǐng)域引發(fā)了巨大的影響，從自然語言處理到計算機視覺，從大模型的構(gòu)建到基于大模型的智能應(yīng)用等，每個領(lǐng)域都將受到生成式人工智能技術(shù)的沖擊并隨之調(diào)整。本課程將全面介紹大語言模型（LLM）的基本原理、應(yīng)用領(lǐng)域、模型優(yōu)化以及基于LLM的智能應(yīng)用程序開發(fā)。通過理論講授、案例分析、項目實戰(zhàn)等多種方式，使參訓(xùn)教師掌握基于大語言模型構(gòu)建和開發(fā)應(yīng)用的核心技術(shù)，具備將理論知識應(yīng)用于實際問題的能力。本課程旨在結(jié)合理論與實踐，通過深入淺出的講解和動手實踐的項目，真正的讓各位老師可以開發(fā)出基于大語言模型的智能應(yīng)用程序并可以在本校開展相關(guān)課程教學(xué)，并可以進一步將生成式人工智能技術(shù)和實際工作結(jié)合，為教學(xué)研究和科學(xué)研究打下堅實基礎(chǔ)。
1、思路明晰，從大模型基本概念到API調(diào)用，從提示工程到智能軟件開發(fā)再到開發(fā)框架的使用；從調(diào)用大模型開發(fā)到本地部署微調(diào)大模型，學(xué)習(xí)循序漸進，便于理解掌握；
2、本課程注重理論與實踐的緊密結(jié)合，通過豐富的案例分析和項目實戰(zhàn)，使教師能夠?qū)⒗碚撝R轉(zhuǎn)化為實際能力；
3、課程內(nèi)容緊跟大模型的最新研究進展，同時關(guān)注實際應(yīng)用需求，使教師既能掌握前沿技術(shù)，又能解決實際問題；
4、課程內(nèi)容配備經(jīng)過教學(xué)檢驗的PPT等教學(xué)資料，教師學(xué)習(xí)后可以直接為所在學(xué)校學(xué)生開設(shè)相關(guān)前沿生成式人工智能課程。
1、掌握ChatGPT在自然語言處理、聊天機器人、教育、金融等多個領(lǐng)域的實際應(yīng)用；掌握ChatGPT的訓(xùn)練過程、原理，能夠獨立完成ChatGPT相關(guān)程序開發(fā)與調(diào)試；
3、掌握OpenAI API及通義千問API開發(fā)過程中的基本概念，包括模型、標記、嵌入，以及熟練使用Playground；
4、掌握Visual Studio Code及其插件的安裝、使用，能夠熟練注冊O(shè)penAI賬戶及API Keys，并能安裝OpenAI的Python庫進行開發(fā)；熟練使用OpenAI及通義千問的各種終端進行開發(fā)；
5、熟練掌握提示的組成元素和編寫提示的基本策略；掌握提示的開發(fā)流程；了解大語言模型不同應(yīng)用場景的提示工程，能根據(jù)具體的應(yīng)用場景編寫并優(yōu)化提示信息；
6、了解常用的基于LLM 的開發(fā)輔助工具，掌握基于提示的智能應(yīng)用程序開發(fā)，掌握基于 LLM 的應(yīng)用開發(fā)過程和實現(xiàn)方式；
7、掌握包括Cursor、Trae、Qoder和Claude Code等AI IDE的使用。
8、了解Langchain的框架結(jié)構(gòu)、基本模塊和應(yīng)用場景。掌握Langchain框架的提示模板、語言模型和輸出解析器的使用；
9、掌握Langchain框架中的鏈，會使用LCEL構(gòu)建各種結(jié)構(gòu)的Langchain鏈。掌握Langchain中的記憶實現(xiàn)原理和實現(xiàn)技術(shù)；
10、掌握RAG（Retrieval Augmented Generation檢索增強生成）的基本原理，會使用Langchain構(gòu)建各種RAG應(yīng)用；
11、掌握AI Agent（智能體）基本原理，掌握使用LangGraph構(gòu)建多智能體系統(tǒng)。掌握MCP的原理和應(yīng)用；
12、掌握使用AI Agent完成科研論文撰寫等科研工作。
13、掌握智能體低代碼開發(fā)平臺扣子的使用。
14、掌握使用Ollama、vLLM和xInference本地化部署Qwen2、GLM4、llama3.1、gemma2、deepseek等大語言模型；
15、掌握使用llamaFactory微調(diào)Qwen2大模型。
學(xué)者網(wǎng)
評論 0