四川科隆建设有限公司网站,网站怎么 备案,深圳企业有哪些,搜索引擎优化是什么?吉林省某汽车厂商为提升员工在AI大模型技术方面的知识和实践能力#xff0c;举办本次为期8天的综合培训课程。本课程涵盖“高智能数据构建与智驾云多模态数据处理”、“AI Agent的研发”和“大模型测评”三大模块。通过系统梳理从非结构化数据的高效标注与融合#xff0c;到L…吉林省某汽车厂商为提升员工在AI大模型技术方面的知识和实践能力举办本次为期8天的综合培训课程。本课程涵盖“高智能数据构建与智驾云多模态数据处理”、“AI Agent的研发”和“大模型测评”三大模块。通过系统梳理从非结构化数据的高效标注与融合到LangChain等框架下Agent的链式调用与RAG技术落地的全过程帮助学员深入理解大模型在感知、决策和场景适配中的核心价值。课程详细探讨自动驾驶多模态数据处理的全栈架构包括摄像头、激光雷达、车载日志与高精地图等多源数据如何采集、标注、融合与持续迭代并结合分布式训练与推理优化和场景长尾策略等关键议题。最终学员不仅能掌握前沿的Agentic AI研发方法还能利用成熟的测评体系有效评估并改进大模型的精度与稳定性为一该企业集团自动驾驶技术的升级提供坚实支撑。TsingtaoAI团队全面负责本次培训课程的设计研发和培训落地。
部分授课课件 培训目标
系统掌握多模态构建深入理解高智能数据构建与多模态处理的完整方法论从需求分析到标注、评估与迭代奠定自动驾驶多源数据管理的坚实基础。
强化大模型辅助能力理解自动驾驶中大模型辅助标注与数据扩增策略涵盖语义级图像生成、文本变体生成及主动学习循环提升感知与决策的鲁棒性。
熟练构建AI Agent熟练运用LangChain、RAG等框架构建AI Agent掌握ReAct等核心模式与工具调用机制并能适配企业内部数据。
掌握多智能体协作学会在Python环境中封装外部API与数据库将传感器API、ERP和知识库整合进Agent工作流构建更高效的智能服务体系。
深度融合与性能优化探究多模态数据在分布式训练与推理下的优化策略熟悉Early/Intermediate/Late Fusion等方法确保自动驾驶感知与预测的精确性。
建立测评体系建立结构化大模型测评体系涵盖通用与垂直领域基准、多轮对话测评及自动化与人工评估要点保证模型可解释性与安全合规。
详细课程大纲
模块一高智能数据构建与智驾云多模态数据处理3天
1、高智能数据构建的整体方法论及思路
从业务需求到数据需求全链路规划 在自动驾驶项目中高智能数据构建的典型流程 明确业务/功能/场景需求如自动泊车、高速领航、城区辅助驾驶等确定数据类型摄像头、激光雷达、雷达、超声波、车载日志、地图信息、非结构化文本资料等数据挖掘与筛选数据处理与标注数据校验与质量评估数据持续迭代与增量更新。如何将业务逻辑映射到数据结构化需求特别是涉及自动驾驶功能时对多模态数据的依赖和分层处理方案。高智能数据构建中的难点与挑战 非结构化数据规模庞大且多源异构文本、图像、视频、音频、CAN 总线数据、位置信息等需要高效处理与统一管理。数据标注成本高且对准确度要求极为苛刻尤其在自动驾驶安全相关领域错误标注可能导致模型推理出现系统性偏差。场景长尾与极端复杂工况问题必须通过数据策略采集、清洗、增广、筛选与模型策略结合才能有效应对。数据隐私与合规性挑战特别是涉及车主个人信息、拍摄到行人面部等。与 AI 大模型结合的思路 如何借助大模型如 GPT 系列模型、BERT 变体、中文大模型的最新进展来快速对非结构化数据进行语义理解、自动生成标注建议等从而显著提升数据构建效率。在自动驾驶场景中利用大模型做数据自动补全、文本解析、日志分类与异常检测等技术实践价值与应用案例。
2、非结构化文档如何快速结构化
典型自动驾驶非结构化数据来源与处理痛点 车辆系统日志、故障诊断报告、研发文档、测试报告、语音交互日志等。在大规模数据平台中如何进行分块、分布式存储与高并发处理。基于大模型的文档解析与结构化技术 预训练语言模型如 Chinese-BERT、ERNIE、MOSS 等如何提取关键语义信息。文档向量化与嵌入使用向量数据库Milvus、Faiss、ElasticSearch快速检索和聚类海量文本。文本结构化工具链 自定义规则 大模型辅助解析结合正则表达式、高级匹配规则、命名实体识别与大模型零/少样本学习能力加速处理。标签/字段自动化抽取例如从故障诊断报告中自动提取故障类型、发生频率、影响范围等字段用于结构化表格或 JSON。落地实践文档结构化自动管线搭建 数据接入与初步清洗高效OCR、转录等AI 大模型辅助的文本内容解析统一数据模型UDM设计与关联数据库/数据湖。
3、高质量训练数据的标准定义与评估方法
自动驾驶场景下“高质量数据”评价指标 准确性标注精准度对于感知层目标检测/分割的 IOU 指标对于决策层场景标签分类的准确率。完整性是否覆盖了自动驾驶主要场景高速、城市、隧道、恶劣天气、多车道拥堵等以及长尾/极端场景占比。一致性不同数据源传感器间的数据同步与融合程度标注结果是否有跨源一致性。新鲜度数据是否及时更新尤其车载传感器与路侧单元融合时时间戳对齐和版本控制是否完善。通用的数据质量评估手段 统计分析分布可视化、异常检测、聚类分析、一致性检查。模型验证利用已有小规模高置信度标注数据或仿真环境做快速验证。自动化工具链对标注错误、数据缺损、标签不一致等进行自动检测和报警。基于大模型的辅助评估 使用大模型做数据异常语义检测例如在大量文本日志中自动检测潜在的标签不一致、语义冲突或非预期文本输入。结合主动学习思路为自动驾驶数据的增量采集与标注提供置信度筛选机制在模型预测结果不确定性较高或罕见场景中优先触发人工复核。
4、大模型在自动化标注中的应用场景与核心能力
自动化标注的流程 感知层常见标注类型物体检测bounding box、polygon、语义分割、关键点检测、3D 点云标注激光雷达/毫米波雷达数据等语音交互/文本处理场景常见标注类型对话意图分类、槽位填充、故障日志中错误类型识别等。大模型辅助自动标注的实现思路 图像/视频标注结合视觉大模型如 Vision Transformer、Swin Transformer、SEER 或国内研究团队自研的大规模视觉预训练模型对图像中对象类别与位置进行初步检测并生成标注草稿再由人工快速审核修正或通过主动学习循环不断优化。文本标注利用 GPT 等语言大模型进行实体识别、关系抽取、分类标注。3D 点云标注通过深度学习网络SECOND、PointPillars、CenterPoint 等对点云进行物体检测输出可能的点云包围盒由大模型或自定义规则进一步筛选与自动化合并/拆分大幅缩短人工操作时间。大模型自动标注的优势与挑战 优势 极大提高标注效率、减轻人工工作量初步标注的精度对于常见场景较高可帮助企业快速构建海量训练数据。挑战 模型输出仍需人工或小规模高精准模型校验以确保质量长尾及非典型场景中自动化标注质量不稳定场景需求快速变化时如何动态更新自动标注模型。
5、大模型辅助下的数据扩增与数据修正
数据扩增在自动驾驶中的作用 自动驾驶系统的泛化能力与安全性极大依赖于对各种场景的覆盖涵盖天气、路况、交通参与者行为等多变因素传统扩增手段旋转、平移、颜色变换等与大模型辅助的“语义级”扩增在不破坏场景逻辑的前提下添加障碍物、改变天气等。基于大模型的图像/文本内容生成与数据扩增 图像生成Stable Diffusion、ControlNet 等扩展思路通过文字描述或初始场景输入生成更多多样化图像用于训练数据拓展文本生成在对话系统或用户手册场景下使用 GPT 类模型生成更多变体或噪声文本以强化模型对语言变化的鲁棒性。自动纠正与数据修正 在标注中发现错误或不一致标签如何利用大模型进行自动纠正建议与数据校验管线结合让大模型对低置信度样本自动做“二次判断”或提出修正建议在人工确认后完成修正闭环。
6、多模态数据融合输入训练的要点
自动驾驶多模态数据融合场景 摄像头与激光雷达数据结合2D-3D 融合进行目标检测与跟踪高精地图/导航地图与车辆前视摄像头融合进行车道线检测、道路语义识别车内语音/日志与摄像头数据相结合用于驾舱监控、疲劳检测、行为分析。多模态大模型训练管线设计 数据对齐与时间同步保证不同传感器的采样时间戳、坐标系一致特征提取与表示摄像头图像特征、激光雷达点云特征如何进行融合或注意力交互融合策略early fusion、late fusion与intermediate fusion训练与推理阶段一致性在推理/上线阶段如何保证实时多模态数据处理能力与训练设置一致。
7、智驾云多模态数据处理架构
多模态数据处理的典型系统架构 数据采集层车辆采集摄像头、雷达、ECU 日志、路侧设备、第三方数据源数据传输与预处理层5G/V2X 通信、数据缓存、消息队列Kafka、RabbitMQ、数据格式转化ROSbag、PCD 文件、视频流解码等云端存储与管理层分布式文件系统HDFS、Ceph、数据湖、关系型数据库/时序数据库等多模态数据处理引擎层AI 训练平台GPU/TPU 集群、自动标注服务、大模型推理服务、多模态融合算法服务数据可视化与下游应用层驾驶仿真、数据洞察、模型评估平台。关键技术要点 对接高并发实时流数据的方法Spark Streaming、Flink 等流式处理以及存算分离如何设计如何在云端管理大模型推理负载分布式推理框架、模型缓存、弹性伸缩。
8、智驾云多模态数据处理工具链
云端数据处理与管理工具 自动驾驶数据管理平台数据标注管理、版本控制、数据集打包与发布AI 训练与推理平台Kubernetes Kubeflow 或 MLflow 的流水线管理分布式计算Spark、Flink、Ray 在自动驾驶数据清洗、ETL、特征工程中的角色。多模态数据融合的云端工作流 云端对接传感器数据上传、预处理去噪、格式转换、存储调用大模型或自研模型进行自动标注/初步推理生成中间结果人工复核与反馈数据入库或下发到仿真/测试环节做模型训练、性能验证。
9、多模态数据处理中的性能优化与大规模分布式训练
性能优化的关键要素 I/O 瓶颈数据读取速度、不同文件系统及列式存储方式对多模态数据读写效率的影响并行度设置显存/计算资源优化、多 GPU 分布式训练的通信开销网络带宽与延迟云端计算集群内部网络如何提升吞吐量减少训练等待时间。分布式训练框架的对比与应用 PyTorch DDP、Horovod、Megatron-LM 等在大模型训练场景下的实践混合精度FP16/BF16、模型并行、流水线并行在自动驾驶多模态大模型中的应用如何根据场景选择合理的并行策略数据并行 vs. 模型并行 vs. 流水线并行。
10、多模态数据融合更深层的策略与方法
Early Fusion深入剖析 在输入层就将多源传感器数据合并例如将激光雷达点云投影到图像平面后做 2D3D 协同检测优势模型可更充分学习到多模态的低级特征融合挑战对同步和标定准确度要求极高数据维度大且对硬件性能要求也高。Intermediate Fusion 让不同模态先提取特征再在中间层用注意力机制或特征拼接进行融合代表性网络结构Hierarchical Fusion、Cross Attention 等探讨在自动驾驶感知与预测中如何使用自注意力机制让图像特征和点云特征交互。Late Fusion 不同模态在单独网络中完成推断然后在决策层对结果进行融合如多模型投票、置信度加权、逻辑合并等优势系统更灵活易于扩展缺点丢失了融合的细粒度信息整体精度可能较低。
11、传感器标定与配准技术
标定与配准的重要性 在自动驾驶多传感器环境中摄像头内参、外参以及相对于激光雷达的旋转和平移矩阵对融合效果至关重要标定误差会导致融合后目标检测位置偏移或不一致影响可视化和算法性能。标定流程 单目相机内参标定基于棋盘格或标定板获取相机焦距、光心位置、畸变系数多相机系统外参标定通过特征对应、空间几何法或激光雷达辅助标定激光雷达与摄像头融合标定基于同场景点云与图像特征匹配或使用额外的标定板带有 3D 参考点。标定工具与自动化 常见开源标定工具箱ROS camera_calibration、Kalibr、MATLAB Camera Calibrator、Autoware 等大模型在标定中的潜在辅助自动识别标定板角点、自动匹配特征点提高标定效率。
12、高阶模型精度优化Fine-tuning 与后处理策略
Fine-tuning 大模型在多模态感知场景的策略 如何在已有预训练视觉/语言/多模态大模型基础上进行微调使之适应特定的自动驾驶感知或场景理解任务参数高效微调方法LoRA、Prefix Tuning、Adapter 等在算力和效率上的优势适合快速试验。后处理与插值策略 对于感知模块输出的检测或分割结果常见后处理手段NMS、时序平滑、轨迹跟踪等大模型辅助的轨迹预测与插值方法让检测结果在时序上更稳定并为决策模块提供更平滑的输入。
13、复杂环境与长尾场景数据处理策略
长尾场景的特点与难度 极端气候暴雨、暴雪、沙尘、强光等、特殊道路状况塌方、施工、特殊地形、罕见交通参与者行为逆行、醉驾、随机变道等。数据采集难度大、出现频率低但对系统安全性至关重要。长尾数据管理与采集 主动搜集策略在实际道路测试或模拟器中人工触发特定场景仿真平台支持基于 CARLA、LG SVL、PreScan 等仿真软件生成极端场景数据大模型辅助生成在现有数据基础上语义方式合成极端天气效果或稀有行为场景。长尾场景专用策略 在标注与模型训练阶段给予长尾场景更高权重使用不平衡数据处理技巧focal loss、在线难例挖掘或基于强化学习的自动数据筛选。
14、智驾云多模态数据处理中的质量保障与监控
数据全生命周期监控 采集阶段传感器在线检测、数据格式合规与基础质量检查传输阶段数据丢包检测、存储一致性校验标注与训练阶段标注质量抽样检验、模型训练日志与指标监控上线阶段在线推理质量监测与回传数据分析形成闭环。A/B 测试与增量迭代 在自动驾驶场景下进行新老模型的并行测试比较其在实际或模拟环境中的表现通过在线学习或半自动化管线快速迭代新模型并利用回传数据进行纠偏。
模块二AI Agent研发3天
1、高级提示工程与思维链技巧
提示工程在 AI Agent 中的地位 如何构建复杂场景下可扩展的 Prompt 模板。提示工程如何与 Agent 的Action和Observation相互关联。Chain-of-Thought与Self-Consistency技术 思维链的核心要点引导模型进行多步推理。自洽性在搜索任务、推理任务中的应用。代码示例编写一个内置思维链的提示模板示范零样本、单样本与少样本提示的对比。提示工程中的上下文管理 如何有效利用上下文窗口处理汽车行业的特定指令或术语。对话式问答 vs. 工具调用提示。
2、LangChain 框架进阶
LangChain 核心组件与工作流程 PromptTemplate、LLMChain、Index、Tools等概念。介绍 LangChain Expressions Language的用法使链式调用更加直观。LangChain 在 Agent 研发中的地位 LangChain 如何简化构建Agent和管理对话状态。ReAct 模式在 LangChain 中的实现思路Action-Observation-Thought 循环。与知识库、检索系统的耦合 如何利用 LangChain 的文档Loader)集成企业内部大量文档如技术手册、维护文档、汽车装配指令等。向量数据库在 LangChain 中的对接。复杂对话流程多轮对话与上下文保持 构建多轮对话 AI Agent 的技巧对话记忆 (ConversationBuffer) 与上下文管理。在汽车维修场景下保持上一次对话的故障排查结论如何影响下一步决策。
3、RAG系统原理与实操
RAG 核心概念与对 AI Agent 的价值 汽车行业中大量文档、维修手册、供应链文件对 AI Agent 的信息依赖。RAG 如何确保答案的可控性、准确性与可解释性。文档分块与向量化 如何针对汽车技术文档进行最佳分块策略如基于段落、基于语义等。向量化工具选择国内外框架对比Faiss、Milvus、Elasticsearch、Chroma 等。检索策略与检索技巧 ElasticSearch 在大规模文档检索中的优势。本地向量数据库 (如 Milvus) 与云服务 (如 阿里云 DashVector) 的对比。Query 优化与语义搜索如何让 AI Agent 准确地找到与汽车故障相关的段落。
4、AI Agent 的基础结构与类型
不同类型的 AI Agent 工具型 Agent、规划型 Agent、对话型 Agent、问题求解型 Agent 等分类。ReAct、MRKL、Plan-and-Execute 等常用模式对比。AI Agent 与外部工具的交互 车企常见的外部工具车辆数据接口、传感器 API、内部数据服务、ERP/CRM 系统等。如何让 Agent 根据需要自动调用这些工具完成任务如自动查询车辆行驶数据、经销商备件库存等。
5、Agentic AI 设计模式与多智能体协作
ReAct 模式深入 ReAct 模式在复杂任务中的典型示例检查车辆故障时如何基于推理和调用维修工具。代码演示ReAct Agent 如何一次次调用外部服务并根据观察结果更新推理流程。其他常用设计模式 Self-Reflective Agent自动对自己的回答进行校验和修正用于关键任务场景。ToolFormer 代理模式利用自监督学习把外部 API 嵌入提示中。Multi Agents 协同多个 Agent 如何分工协作完成复杂任务如一个Agent 处理车载图像识别另一个Agent 负责语言对话。
6、Python 环境下构建 AI Agent
选择合适的大模型 国内外开源模型与商用模型对比Qwen、GPT-o1等。如何基于企业自身的需求如隐私、安全与定制化做模型选择或微调。定义工具与 API 将企业内部功能如数据库查询、传感器数据获取、车辆健康诊断系统封装成可调用的 API 或 Python 函数。将公共服务如百度地图、供应链管理系统也可作为外部工具封装给 Agent。采用 ReAct 模式编写指令提示 详细拆解Thought、Action、Observation和Answer各环节的编程要点。代理如何根据对话上下文来决定下一步调用哪一个工具。与数据库、知识库、RAG 系统的整合 将向量数据库Chroma/Milvus/Elasticsearch嵌入 Python 工程中通过检索增强来支持 Agent 回答。如何在实际项目中结构化管理文档索引、元数据、API Key 等信息。实操环节学员创建一个 Python 项目
Model 选择与加载ReAct Prompt 模板编写工具封装与自动调用与向量数据库或知识库的交互测试
需要调试、运行并验证 AI Agent 的端到端功能。
7、框架式构建 Agentic AI 系统
LangChain、CrewAI、Coze、Dify 等常见框架概览 对比各框架在功能特性、易用性、扩展性、安全性方面的优劣。国内的低代码框架与国际开源框架如何互补。Agent 构建流程 使用 LangChain 构建 ReAct Agent 的具体过程PromptTemplate LLMChain Tools Memory Agent。CrewAI 与 Coze 等项目的特点简述多 Agent 协同、工作流式管理等。Multi-Agents 系统实践 将多个 Agent 协同设计在一起如一个Agent 负责推荐算法另一个Agent 负责自然语言对话再一个Agent 负责数据挖掘。提高系统整体效率与任务拆分能力。
8、构建高级 Agentic RAG 系统
Self-RAG 与 Corrective RAG 技术 Self-RAGAgent 如何对自己的检索结果进行二次审校避免错误扩散。Corrective RAG如果检索到的信息存在偏差或不完整如何自动调用纠偏逻辑或再次检索。外部工具增强 RAG 如何整合 OCR、机器翻译、Web 爬虫等外部工具到 RAG 流程中让 Agent 具备更强大的信息获取与理解能力。汽车行业场景将车辆故障图像通过 OCR/图像识别后再进行文本向量检索。自反性 RAG 系统 Agent 每次产生回答后对回答进行评价或评分并自动进行下一步处理例如再次检索、更新回答等。在企业内部文档繁多且质量参差不齐的情况下提升问答可靠性。
9、Spring AI 体系简介与核心功能
Spring AI 的位置与架构 Spring AI 与 Spring Boot、Spring Cloud 等微服务生态的集成思路。企业级场景常见需求鉴权、安全审计、日志记录、可扩展性、部署方式docker/k8s 等。Spring AI 内置功能 Advisor处理 AI 模型的请求与响应内置 RAG Advisor 的工作机制。DocumentRetriever如何根据查询获取文档实现企业级搜索对接 Elasticsearch 等。Evaluator评估 RAG 应用给出的结果以保证回答准确性。在 ETL流程中的应用从 Office 文档、OCR 到向量化加载。Spring AI 与RAG的深度整合 Spring AI新增功能的使用场景和注意事项。在车企内部落地时的网络与数据安全管控要点。
10、Spring AI 的 RAG 进阶实操
文档 ETL提取、转换与加载 详细演示如何从 Word、Excel、PPT、扫描 PDF 中获取文本。OCR 技术的关键低分辨率车间扫描件如何提高识别率常见中文 OCR 工具对比。文档分块策略与中文文本分词的技巧对汽车零件名、零件编号等特殊标记处理。不同向量数据库的选型与 Spring AI 集成 Chroma轻量易用本地开发演示环境常用。Elasticsearch适合大规模生产环境搜索与向量检索一体化。DashVector阿里云或 Milvus云上或大规模高并发场景。代码片段Spring AI 如何调用对应库的 SDK 进行写入与检索。检索、增强、生成三部曲的进阶案例 检索查询扩展、查询路由根据车辆类型或故障码做定制化查询。增强对检索到的文档分段重新排序、内容压缩、抽取关键故障信息。生成最终的文本回答如何组织并返回给调用方如车间技术员、售后客服等。结合 Multi-Agents 场景 将 Spring AI 中的 RAG Advisor 与另一个规划 Agent 结合实现一个高可用、多步骤的问答系统。日志和监控如何对多 Agent 协作中的调用进行记录与回放解决可能的冲突与死循环。实操环节学员分小组完成一个典型的企业内 RAG 方案。
对文档进行提取OCR Office与分块加载到向量数据库编写 Spring AI 程序使用 Advisor 与 DocumentRetriever测试检索与生成的结果并使用 Evaluator 进行质量评分增加一个规划 Agent 实现多步骤问题解决场景如车辆故障诊断智能调度备件。
模块三大模型测评2天
1、通用与垂直领域测评集的构建
通用测评集和垂域测评集的构建差异 通用测评集的广泛适用性与垂直领域测评集的专业针对性。如何构建覆盖全面的测评点 包括适用性、安全性等关键维度的全面覆盖。数据收集与标注的技术与方法。
2、典型的测评集与工具
SuperCLUE、CMMLU、GAOKAO-Bench等中文测评基准详解 各测评基准的适用场景与测评指标。OpenCompass和FlagEval等开源测评工具的实操 工具的安装、配置与使用示范。各类测评集的选择原则及其适用场景 根据应用需求选择合适的测评集确保测评结果的有效性与可靠性。
3、测评集的评分标准及方法
GSB评分法的具体使用方法 评分标准的制定与实施步骤。5分制评分与GSB的对比分析 两种评分方法的优缺点与适用场景。定量评估与统计分析的方法 数据统计与分析工具的使用确保评分结果的科学性。用户体验反馈与专家评审标准的制定 用户反馈的收集与分析专家评审的标准化流程。
4、自动化测评方法
自动化测评集的构建与流程 自动化数据生成与测评分发。传统NLP与大模型的交互测评要点 传统自然语言处理任务在大模型中的适用性与挑战。Perplexity、BLEU、ROUGE等指标的自动化测评应用 各测评指标的计算方法与实际应用案例。
5、人工测评方法
单轮与多轮人工测评流程及其差异 不同测评场景下人工测评的实施细节。如何通过多模型交叉评测来验证准确性 多模型协同测评的方法与优势。人工测评在多模态模型中的应用 文本、语音、图片等多模态数据的人工评估方法。
6、AI Agent中的应用与测评
智能体与大模型结合的实际应用案例 客服、游戏角色、智能驾驶辅助系统等案例分析。智能体测评的特殊维度 长记忆能力、情感拟人度、隐私安全等特有测评指标。不同类型智能体的测评场景设计 针对不同智能体类型设计相应的测评场景与方法。
7、角色扮演类测评
角色扮演模型的性能标准 语气、话风、逻辑一致性等指标的测评方法。多轮对话中的逻辑连贯性及角色切换测评方法 多轮对话的连贯性评估与角色切换的准确性测评。GSB评分在角色扮演类测评中的应用 GSB评分法在复杂对话场景中的具体应用案例。
8、高效测评技术
TensorRT-LLM、VLLM等推理加速框架的应用 推理加速技术在大模型测评中的应用与优化。基于Prompt的自动化测试优化技术 Prompt设计与优化在提升测评效率中的应用案例。
专家讲师推荐
赵老师 AI 大模型算法专家
北京邮电大学 硕士研究生北京邮电大学 本科
AI 与大模型领域资深专家拥有北京邮电大学本硕连读的学术背景积累了扎实的人工智能理论知识与丰富的项目实践经验。在字节跳动和中国银行担任算法工程师并长期从事人工智能、大数据应用及 LLM 技术研发。目前在某明星 AI 科技公司负责 LLM 的落地项目主要聚焦于智能客服领域的 AI 大模型技术的研发。
具备全栈 AI 研发能力精通 Python 编程熟悉大数据应用、LLM 模型的训练与微调擅长使用 LangChain 框架及多模态处理技术。成功构建自研训练框架支持 ChatGLM、Baichuan、Qwen 等主流开源大模型的微调主导多个 AI 推理服务的开发与上线帮助多个行业客户提升其智能化水平。项目涵盖语音识别、语音测评、智能客服等领域尤其在 AI 大模型与智能客服的结合上具有深入的研究与实践经验。
专业技能
编程与工具Python, Go, Kafka, TensorFlow, PyTorch, Jupyter, Docker, Kubernetes人工智能与大数据应用NLP、深度学习、ML、大数据分析大语言模型技术LLM 模型的训练、微调与部署包括 ChatGLM、Baichuan、Qwen 等框架与技术 LangChain 框架深度解析与实践多模态处理与多模态大语言模型应用知识图谱与大数据应用智能客服系统开发基于 LLM 的智能客服解决方案设计与实施推理服务与模型落地自主研发推理服务框架支持自训模型及多模态服务应用系统架构与后端开发数据库设计、分布式系统、高并发处理
项目经验
1. 智能客服系统研发某明星 AI 科技公司
项目背景为某大型互联网公司设计与开发智能客服系统目的是通过 AI 大语言模型提升客服效率与质量减少人工客服依赖。技术栈Python, ChatGLM, Baichuan, LlamaIndex, LangChain, Kafka工作内容 主导基于 ChatGLM 和 Baichuan 的 LLM 模型训练与微调提升对行业术语与用户问题的理解能力。设计并实现多轮对话系统集成自然语言处理技术与情感分析算法实现智能应答和情绪识别。优化模型推理速度与精度确保系统能够在高并发场景下稳定运行。搭建推理服务框架实现模型的高效部署与实时更新。与产品团队密切合作调优系统性能成功上线并支持百万级用户互动。
2. 智能语音测评系统字节跳动
项目背景为字节跳动旗下的教育产品开发智能语音测评系统帮助用户进行英语口语训练与自动评分。技术栈Kaldi, Conformer, Transformer, Python工作内容 基于 Kaldi 框架训练英语语音识别模型使用 Conformer 与 Transformer 模型改进端到端语音识别精度。构建语音评分系统结合语音特征与语言模型通过深度学习算法对用户发音进行打分与反馈。完成服务端与手机端的推理部署确保语音测评系统在不同设备上的高效运行。在大规模用户测试中系统稳定运行准确率达到行业领先水平。
3. 多模态 AIGC 项目
项目背景智能客服与多模态生成的技术开发结合大语言模型与图像生成技术提升客户交互体验。技术栈LLM, GPT-3, 图像生成, Python, TensorFlow, LangChain工作内容 领导团队构建基于 LLM 的智能客服系统支持文本、语音、图像等多种输入方式。设计多模态生成算法实现文本到图像的生成能力提升用户互动的趣味性与效率。完成模型微调与推理服务的开发确保系统能够实时响应用户需求优化客户体验。
4. 语音识别与客服语音审核系统
项目背景开发语音识别与客服语音审核系统主要目标是通过智能语音分析提升客服质量与合规性。技术栈ConformerTransformer, ASR, Python, Kafka工作内容 设计与实现基于 Conformer 与 Transformer 的语音识别系统支持流式识别与离线识别。搭建服务端推理系统进行大规模语音数据处理提升识别准确率。开发语音审核功能通过语音情感分析与合规检测保障客户服务的合规性与安全性。
5. 自研训练框架与数据处理平台
项目背景为了提升大语言模型LLM训练效率与可扩展性赵宽带领团队开发了一个自研的训练框架并结合实际业务需求设计数据处理与生成平台。技术栈Python, TensorFlow, Baichuan, ChatGLM, Kafka, MySQL工作内容 开发训练框架支持主流 LLM 模型如 ChatGLM12、Baichuan12、Qwen14B的全参数微调与 QLora 微调。设计数据生成流程根据不同业务需求定制数据集进行高质量的数据预处理与增强。构建多维度的训练指标监控与可视化系统帮助团队实时调整训练策略提高训练效果与稳定性。
讲师经历
1. 中信银行 LLM Driving 课程培训
培训内容 讲解大语言模型LLM的基础原理、训练与微调技术。深入介绍 LLM 模型在实际项目中的应用包括模型优化与部署策略。培训学员如何在实际项目中利用 LLM 技术提升服务质量与效率。
2. 广汽如祺 AIGC 技能培训
培训内容 讲解 LLM 模型与多模态 AIGC 联合应用技术。探讨 LLM 在多模态生成中的能力如何在产品设计中融入 AI 生成技术。实际操作案例帮助学员掌握 LLM 模型在多模态应用中的创新应用。
客户反馈新致软件 潘老师 自动驾驶技术专家 刘老师 元戎启行技术合伙人兼副总裁
元戎启行副总裁、技术合伙人。曾任英特尔高级工程师主导推动多个技术项目的研发落地及全球推广。在智能硬件、物联网、智能制造、车载电子领域连续成功创业。 相关会议及分享
2023全球自动驾驶峰会GADS 2023https://mp.weixin.qq.com/s/3SfC5L11wQhGTbcFpbD3qg
前装量产是Robotaxi商业化落地要克服的最大难题https://mp.weixin.qq.com/s/Zw23Hmuc-fTp5wdVimKYCw
不依赖高精度地图的全域高阶智能驾驶https://mp.weixin.qq.com/s/NWi7iu5p2qW_ZE1HganRgg
从“无图”走向端到端|第四届中国智能汽车创新大会https://mp.weixin.qq.com/s/741sRI4j_iewrYJfzsBFcw
新技术搅动汽车行业新基建加速自动驾驶商用落地https://mp.weixin.qq.com/s/gTOSCjHIOuYOZvDo2joPhw
高级别自动驾驶迈入量产时代GTIC 2022演讲https://mp.weixin.qq.com/s/ZhLRuB6089SGkeZ01IHOpg
刘老师 交通大数据资深算法专家
昇启科技联合创始人兼CTO毕业于浙江大学计算机学院前滴滴智慧交通数据算法团队负责人交通大数据资深算法专家主要研究方向为交通流建模运筹优化算法、自动驾驶决控算法以及交通大数据并行计算。 相关会议及分享
一站式端到端自动驾驶研发测试平台
https://mp.weixin.qq.com/s/WuF8Ys8oIOv9VU4u6146Hg
https://mp.weixin.qq.com/s/GJqI1ugcoLfrCTGiZSy82A
一站式AI驱动的端到端自动驾驶模型研发测试平台
https://mp.weixin.qq.com/s/XpK9Y1mlIfxYKaCPJUZCeg
https://mp.weixin.qq.com/s/fB4tdmwS7Xo44u96Y1wBJA
https://mp.weixin.qq.com/s/cEHlYYk4VkR-j8QW-CqavA
孙老师 AI 大模型资深算法专家
现任网易技术总监、网易有道语音交互技术负责人网易集团技术委员会音视频分委会秘书长拥有信号与信息处理方向博士学位专注于人工智能、大语言模型LLM和智能客服领域的技术研发与创新。在 AI 技术尤其是 AI 语音、大模型和智能客服解决方案方面有深厚的理论基础和实践经验。在业界的技术影响力较高是多项技术创新与研发的核心推动者参与并主导过多个具有行业领先意义的项目。致力于打造更加智能、好用的 AI 老师及语音交互系统已发表高质量学术论文 10 余篇并拥有 10 余项授权专利。
教育经历
博士硕博连读中国科学院声学研究所语言声学与内容理解重点实验室中科信利2005-2010 研究方向信号与信息处理课题为《鲁棒语音识别的若干技术研究》。 发表学术论文 10 余篇涵盖语音识别、语音处理及智能交互技术等领域SCI 期刊论文多篇。
工作经历
网易有道信息技术北京有限公司2019 年 1 月—至今技术总监、语音交互技术负责人 主导并参与了多个基于大语言模型LLM与 AI 技术的创新项目特别是在智能客服、智能学习助手、AI 教师等领域的技术研发与应用落地。 主要贡献 研发并成功落地了基于大语言模型和 Agent 技术的“子曰大模型”项目打造了业内领先的 AI 老师解决方案广泛应用于教育和在线服务行业。组建并带领语音技术团队推动公司内部外部多个明星项目的技术研发为网易集团的各大业务线提供语音交互技术支持。成功落地多个基于 LLM 的 AI 客服解决方案提高了智能客服的理解深度和响应精度大幅提升了用户体验。推动跨部门协作整合 AI 技术与业务需求优化产品的智能化水平使公司在智能客服与语音技术领域取得显著的市场优势。北京联想软件有限公司2013 年 1 月—2018年12月语音技术负责人 主导了多个智能语音产品的研发工作包含语音交互系统、语音识别系统和语音理解模块等推动了智能硬件和智能客服的技术发展。 主要贡献 成功研发并推出国内首个免触语音拨号/接听、拍照产品方案广受市场欢迎。设计并开发了自研的语音交互解决方案应用于多个智能硬件产品中提升了产品的智能化体验。负责语音技术的技术架构设计、需求分析与方案实现确保语音技术与产品的无缝对接。为公司在智能客服系统的研发中提供了语音识别与语音处理的核心技术支持优化了客户服务的自动化和智能化程度。北京三星通信技术研究院2010 年 7 月—2013年1月语音技术工程师 参与并主导了三星 S-Voice 在线/离线语音方案的开发为三星智能设备提供了稳定且智能的语音交互体验。 主要贡献 参与了 S-Voice 语音助手的研发优化了语音识别算法及语音理解模块提升了语音助手的响应速度与识别精度。在在线/离线语音识别技术的研发过程中成功实现了多语言、多口音的语音识别支持提升了产品的全球竞争力。为多个智能硬件项目提供语音交互技术支持推动了语音技术在消费电子产品中的应用。
主要项目经验
子曰大模型基于 LLM 和 Agent 的 AI 教师解决方案 背景在 AI 教育领域用户对个性化学习和智能化教育的需求日益增加尤其是在智能客服和虚拟教师方面。技术挑战如何通过大语言模型LLM提升虚拟教师的自然语言理解能力实现场景化互动和智能化学习。成果研发了基于 LLM 和 Agent 技术的“子曰大模型”成功实现了自然语言处理NLP技术与语音识别的深度融合使 AI 教师能够根据不同学生的学习情况提供个性化反馈。应用领域广泛应用于教育培训、在线学习、知识问答等场景显著提升了学习效率和用户满意度。智能客服系统优化与大语言模型落地 背景传统的智能客服系统在理解深度和自然语言处理方面存在较大局限难以满足用户复杂的问题解答需求。技术挑战如何通过 LLM 和 AI 技术打破传统客服系统的瓶颈实现高效、准确、自然的客户互动。成果成功开发了基于大语言模型的智能客服解决方案能够准确理解和解析用户的复杂问题实现流畅的多轮对话。通过 AI 训练和数据优化系统在理解深度和交互质量上有了大幅提升显著减少了人工干预的需求。应用领域该智能客服系统广泛应用于金融、电商、互联网等行业提高了客户服务效率降低了运营成本。语音交互系统与 AI 客服一体化解决方案 背景随着语音识别技术的成熟越来越多的企业希望在客服系统中引入语音交互功能提升用户体验和服务质量。技术挑战如何将语音识别、自然语言处理和大语言模型技术有机结合实现多模态智能客服系统。成果研发了一整套基于语音识别和自然语言处理技术的智能客服解决方案实现了语音与文字输入的无缝切换。通过 AI 大语言模型的支持系统能够在各种复杂情境下提供智能解答。应用领域该系统被多个行业客户采用特别是在客服、语音助手和智能硬件产品中帮助企业提升了客户满意度和业务效率。
核心技能与技术专长
人工智能与大语言模型LLM在智能客服、语音识别与自然语言处理等领域有深入的技术积累能够根据不同业务需求定制大语言模型的应用。语音识别与处理技术精通语音识别、语音合成、语音增强等技术能够针对不同语音场景提供最优技术方案。智能客服与 AI 解决方案拥有丰富的智能客服系统架构设计经验熟悉如何将语音与文本数据结合提升客服效率和用户体验。项目管理与团队协作具备领导跨部门团队的经验能够有效推动项目进展协调各方资源确保项目按时交付。
学术成就与荣誉
发表 SCI 及核心期刊论文 10 余篇涵盖语音识别、自然语言处理、智能交互等领域。获得 10 余项技术专利涉及语音处理、AI 交互、智能硬件等技术领域。多次参与国内外学术会议发表技术报告并在人工智能与语音技术领域的研讨会上担任主讲嘉宾。
肖老师 资深多模态/具身智能算法专家
拥有超过 15 年的算法研究与实践经验。曾在世界五百强企业英特尔公司担任算法高级架构师担任中国电子系统技术有限公司的算法 Leader高性能计算技术专家是一位经验丰富且技术精湛的资深 AI 基础设施操盘手。他拥有超过十年的高性能计算、算法研究和实践经验曾在英特尔公司担任高性能计算架构师并在多家 500 强企业中担任高性能计算和系统架构负责人。头部机器人公司担任视觉算法总架构师直接参与了移动复合机器人和协作机器人的开发工作通过引入大模型技术成功地赋予了机器人自主导航、环境感知和决策规划的能力。并在高性能计算、人工智能和深度学习领域有着丰富的项目经验和卓越的技术能力特别擅长高性能计算、图像处理、计算机视觉以及大规模计算系统的设计与优化获得多项专利和荣誉。 华中科技大学硕士曾在多个国家重点实验室及顶尖企业从事高性能计算及算法研发工作领导并参与了多个重大项目的开发和实施。
工作经历
2006 年英特尔上海国际实验室高性能计算系统架构设计大型并行图形系统的架构与设计开发
2009 年头部安全公司并发与安全架构和视频监控系统设计公安安全系统的架构设计与开发
2012 年大型通信集团大型应急通信系统和视频安全监控设计确保了系统的安全性和可靠性
2016 年大数据公司企业家数据的数据安全和系统安全设计多家公司设计和实施了信息化安全管理方案大规模数据的分析和优化
2019 年大型央企GPU、CUDA 与算力平台深入研究并应用了 GPU 和 CUDA 技术开发了多种高效的深度学习模型广泛应用于图像和视频分析、目标检测和分类等领域应用调优与性能监测在项目管理和研发过程中带领团队完成了多个智能视频分析引擎和智能办公引擎的开发擅长对复杂算法进行性能优化和实时监测确保系统的高效运行算力调度管理与网络调优在多个大型项目中成功实现了算力调度管理系统的设计与实施具备出色的网络调优能力能够优化高性能计算环境下的资源利用率和系统稳定性。
2022.10头部机器人公司移动复合机器人和协作机器人的开发移动复合机器人的开发在移动复合机器人的研发过程中我主要负责了智能导航与控制系统的设计与实现。通过引入大模型技术我们成功地赋予了机器人自主导航、环境感知和决策规划的能力。
1. 环境感知与建模利用大模型对传感器数据进行高效处理和分析机器人能够实时构建周围环境的精确三维模型为后续的路径规划和避障提供有力支持。
2. 智能导航算法结合大模型的强化学习算法我们训练出了能够在复杂环境中灵活导航的机器人。这些机器人能够根据实时路况调整行进路线确保任务的顺利完成。
3. 人机交互体验借助大模型在自然语言处理方面的优势我们实现了机器人与操作人员之间的流畅对话极大提升了用户体验和工作效率。
协作机器人的开发协作机器人作为新一代工业机器人强调与人类工人的安全协同作业。在这一领域我主要聚焦于通过具身智能提升机器人的灵活性与适应性。
1. 智能抓取与装配利用大模型对物体形状、重量及材质等信息的快速识别与处理协作机器人能够准确抓取并灵活装配各种工件大幅提高了生产效率和质量。
2. 自适应学习能力通过引入深度学习技术我们使协作机器人具备了自适应学习能力。它们能够在实际工作中不断积累经验自动优化作业策略以应对复杂多变的生产环境。
专业能力
并行计算和高性能计算
深度学习模型设计和优化
多模态大模型应用设计
GPU 与 CUDA 编程
城市大脑与智能交通
工业机器人和复合机器人大模型
数据挖掘与运行优化
国产信创环境适配优化
专利
基于生成式深度学习模型的文本识别模型的生成方法以及装置 (CN202110447608.9)
大型语义分析方法及装置 (CN202110499308.5)
奖项: 荣获2021年度集团优秀解决方案奖
授课经历
重庆大学深度学习模型在大型物流场景的应用
头部能源上市公司大型时序数据预测模型的应用
头部音视频公司图形和视频大模型的应用
百度合作分拣实训和智能眼实训
985 高校机器学习与数据挖掘分析
主讲课程
《高性能图形图像计算与算法》
《计算机视觉中的图像处理技术》
《视觉和多模态大模型应用》
《具身智能与多模态大模型应用》
《机器学习中的知识自学习与数据优化挖掘》
《大规模分布式系统设计与实现》
《GPU、CUDA 与算力模型应用实战》
《华为昇腾芯片下的大模型迁移和训练课程》
陆老师 LLM、AI、NLP 领域实践者
前微软亚洲研究院 NLP 研究员
TGO 鲲鹏会 AIGC、AGIA 社区核心成员
工信部人工智能应用高工认证
阿里云 MVP
前高顿教育 CTO
行业 AI 培训案例
国家电网工建部及上海各区分公司 ——《ChatGPT人工智能在项目管理中的技术应用》
百亿量化私募基金白鹭资管 ——《GPT在量化私募行业的技术应用》
独立基金销售机构基煜基金 ——《GPT在金融行业的技术应用》
上海头部人力资源背调公司猎查查 ——《LLM在人力资源管理行业的技术应用》
TGO 鲲鹏会 AI 数智化转型主题培训 ——《LLM在企业数智化转型中的技术应用》
浦软孵化器 AI元宇宙主题培训 ——《大语言模型在toB业务场景中的技术应用》
TGO 鲲鹏会 AGIA 社区主题培训 ——《LLM在数字员工产品中的技术应用》
万商俱乐部 AI 赋能商业主题培训 ——《ChatGPT的前世今生》
培训现场画面 贾老师 AI 大模型技术应用专家
教育背景
清华大学 计算机科学与技术硕士
职业经历
AI 科技企业创始人
作为一家专注于 AI 技术研发与应用的科技企业的创始人全面负责公司的战略规划、技术研发和业务拓展。
AI 架构设计主导公司的 AI 技术架构设计建立了从数据采集、处理、分析到模型部署的全栈 AI 解决方案。产品研发领导团队研发了多款基于大模型的 AI 产品包括智能客服、语音识别、图像处理等成功应用于多个行业。业务拓展与多家大型企业建立合作关系推动 AI 技术在金融、零售、制造、能源等行业的落地应用。
头部科技公司集团 CTO
在知名科技大厂担任首席技术官全面负责集团的技术战略、研发管理和创新推动。
技术战略制定制定了集团的技术发展路线图推动了云计算、大数据、人工智能等核心技术的布局和发展。团队管理管理超过 300 人的技术团队建立了高效的研发流程和激励机制提高了团队的创新能力和执行效率。创新项目主导了多个关键技术项目的研发和落地包括大规模分布式计算平台、实时数据分析系统、智能推荐引擎等。
BAT 资深研发管理负责人
在国内顶尖的互联网公司担任高级研发管理职务积累了丰富的互联网和技术管理经验。
大数据平台建设负责大数据平台的架构设计和实现支持每天数百亿次的用户访问和数据处理需求。人工智能应用带领团队开发了多项 AI 应用包括个性化推荐、自然语言处理、计算机视觉等提升了产品的用户体验和市场竞争力。跨部门协作与产品、运营、市场等部门紧密合作推动技术与业务的深度融合实现了技术驱动业务增长的目标。
专业资质
国家互联网数据中心创新战略联盟-专家委员参与国家级数据中心的战略规划和标准制定为我国数据中心的创新发展提供专业建议。多项技术发明专利在人工智能、大数据处理、分布式系统等领域拥有多项国家发明专利体现了卓越的技术创新能力。《企业 AI 大模型落地实战宝典》作者撰写了业内首部系统介绍企业如何落地 AI 大模型的实战指南为众多企业提供了宝贵的实践经验。
自媒体
微信公众号“数据与架构”分享在数据架构、人工智能领域的深度见解和实践经验拥有超过 10 万的专业粉丝。抖音号“AI 流火哥”通过短视频形式科普 AI 技术分享行业动态和应用案例累计播放量突破 500 万次。
项目经验
一、AI 架构设计与实施
在担任头部科技公司集团 CTO 期间主导了集团级 AI 架构的设计与实施实现了 AI 技术在公司各业务线的全面赋能。
构建统一的 AI 平台建立了涵盖数据处理、模型训练、模型部署的全流程 AI 平台支持不同业务场景下的 AI 应用需求。数据治理体系建设制定了数据标准、数据质量管理和数据安全策略确保数据资产的高效利用和合规管理。AI 能力开放通过 API 和 SDK 的形式将公司的 AI 能力开放给生态合作伙伴构建了共赢的 AI 生态圈。
二、Prompt Engineering 优化
在人工智能科技企业期间深入研究提示词工程提升了大语言模型在特定业务场景下的性能。
智能客服系统优化通过精心设计提示词提高了智能客服对用户意图的理解准确率客服满意度极大提升。内容生成工具开发为媒体和营销行业开发了基于提示词的大语言模型内容生成工具实现了高质量的自动化内容生产。提示词模板库构建总结不同业务场景下的最佳提示词实践建立了提示词模板库供团队和客户参考使用。
三、Agent 应用实践
领导团队开发了多个智能体应用项目推动了 AI 技术在自动化和智能决策领域的应用。
智能交易代理为金融机构开发了智能交易代理利用实时数据分析和机器学习算法自动执行交易策略提高了投资回报率。供应链优化智能体在制造业中应用智能体技术优化供应链管理降低了库存成本提高了交付效率。智能家居助手开发了支持多模态交互的智能家居助手提升了用户的智能家居体验。
四、AI 在制造行业的研究
研究多个 AI 在制造业等传统行业的创新项目助力行业数字化转型。
勘探数据分析平台研究深度学习算法对勘探数据进行分析和解译提高了资源探测的准确性。设备预测性维护研究基于 AI 的设备故障预测模型提前预警设备异常降低了运维成本和停机风险。生产优化决策系统研究实时生产数据分析和优化系统支持生产调度和资源配置的智能决策。
五、数据治理与大数据平台建设
在大厂任职期间负责公司级数据治理和大数据平台的建设支持了海量数据的高效管理和应用。
数据治理框架搭建建立了覆盖数据标准、数据质量、元数据管理和数据安全的数据治理体系。大数据平台性能优化通过技术创新和架构优化提高了大数据平台的处理能力和稳定性满足了业务快速增长的需求。数据驱动业务决策推动了数据分析和挖掘在业务决策中的应用为市场营销、用户运营等提供了有力支持。
六、企业 AI 大模型落地实践
帮助多家企业成功落地 AI 大模型实现了 AI 技术的商业价值。
案例一零售行业智能推荐系统 为大型零售企业部署了 AI 大模型的智能推荐系统提升了用户购买转化率和客单价年度销售额极大增长。案例二金融行业风险控制模型 与金融机构合作开发了基于大模型的风险控制系统提高了风险识别的准确性降低了坏账率。案例三制造行业智能质检平台 在制造业中引入 AI 视觉检测技术实现了生产线的自动化质检产品合格率极大提高。
培训与讲座
企业内训讲师 为政府机构和大型企业的处级以上管理干部提供内训内容涵盖 AI 架构设计、提示词工程、智能体应用、AI 在传统行业的应用和数据治理等。 培训成果学员反馈满意度高帮助管理干部深入理解 AI 技术及其在行业中的应用前景推动了组织的数字化转型战略。定制化课程根据不同机构的需求定制培训方案确保培训内容的实用性和针对性。行业大会演讲嘉宾 多次受邀在国内外顶级科技和行业大会上发表演讲分享 AI 技术的最新发展和实践经验。 主题演讲《AI 赋能传统行业的实践与思考》、《提示词工程在大模型时代的重要性》、《数据治理助力企业数字化转型》等。影响力演讲内容被多家媒体报道引发了行业内的广泛关注和讨论。
技术专长
人工智能与机器学习精通深度学习、自然语言处理、计算机视觉等 AI 技术熟悉 TensorFlow、PyTorch 等主流框架。大数据处理与分析具备海量数据的存储、处理和分析能力熟悉 Hadoop、Spark、Flink 等大数据技术。数据治理深入了解数据治理的框架和方法包括数据质量管理、元数据管理、数据安全与合规等。AI 架构设计擅长复杂 AI 系统的架构设计能够根据业务需求构建高性能、高可用性的 AI 解决方案。行业解决方案对制造业、能源、金融、零售、制造等行业有深刻理解能够提供针对性的 AI 应用解决方案。
荣誉与奖励
行业影响力人物多次被评为人工智能和大数据领域的年度影响力人物。最佳技术创新奖领导的项目获得多个行业最佳技术创新奖体现了卓越的创新能力。
出版著作
《企业 AI 大模型落地实战宝典》 系统阐述了企业如何从零开始构建和应用 AI 大模型包括技术选型、团队建设、项目管理等方面为企业 AI 转型提供了实战指南。学术论文 在《人工智能学报》、《计算机学报》等核心期刊发表多篇学术论文内容涉及深度学习算法、数据治理模型等。
张老师 大模型算法/AI Infra 开发专家
北京邮电大学网络与交换国家重点实验室计算机科学与技术硕士。某互联网大厂高级 AI 工程师深度学习框架开发与性能调优专家 horovod,spark,iceberg,hudi 等系列源码贡献者“Tim 在路上”公众号主理人。
专业能力
熟悉大模型、深度学习框架模型性能调优有过深度学习框架开发调优经验。
熟悉 GPU, NPU, CUDA, CANN, Nccl, IB 等底层原理与工程实践。
熟悉数据湖/数据引擎的开发优化例如针对 SparkSQL 源码级优化开发。 王老师 达观数据副总裁
高级工程师浦东新区明珠计划菁英人才、BroadView2023“技术成长领路人”人工智能标准编制专家。曾获得广东省科技进步奖二等奖上海市计算机学会科技进步奖二等奖和上海市浦东新区科技进步奖二等奖。人工智能标准编制专家《知识图谱认知智能理论与实战》作者参与编撰《智能文本处理实战》《新程序员 * 人工智能新十年》顾问专家和文章作者专注于知识图谱、通用人工智能 AGI、大模型、AI 大工程、NLP、认知智能、强化学习、深度学习等人工智能方向。上海市人工智能技术标准化委员会委员、上海科委评审专家、中国计算机学会CCF高级会员、中文信息学会CIPS语言与知识计算专委会委员、中国人工智能学会CAAI深度学习专委会委员。申请有数十项人工智能领域的国家发明专利在国内外知名期刊会议上发表有十多篇学术论文。曾带队获得国内国际顶尖算法竞赛 ACM KDD CUP、EMI Hackathon、“中国法研杯”法律智能竞赛、CCKS 知识图谱评测的冠亚季军成绩。曾获 BroadView2023“技术成长领路人”、2022 年度电子工业出版社博文观点“优秀作者”等称号2021 年度浦东职工科技创新英才优秀奖。被聘为上海市质量和标准化研究院培训中心企业标准化总监高级研修班教课讲师高校学生人工智能训练营同济大学特邀企业导师浙江大学中国数字贸易大讲堂讲师团专家。在达观数据致力于将自然语言处理、知识图谱、计算机视觉和大数据技术产品化以 OCR、文档智能处理、知识图谱、RPA 等产品服务于金融、智能制造、贸易、半导体、汽车工业、航空航天、新能源、双碳等领域。
授课培训案例
1、DataFunTalk达观数据知识图谱增强的大模型应用实践 达观数据知识图谱增强的大模型应用实践
2、CNCC第六届知识图谱论坛-知识图谱赋能大数据大算力 CNCC第六届知识图谱论坛-知识图谱赋能大数据大算力-中国计算机学会
3、中国计算机学会-基于知识图谱的企业中台架构 基于知识图谱的金融中台架构
4、知识图谱的自动化构建数据集和评测 DataIntelligence发布FR2KG—最大的金融报告中文知识图谱 - 智源社区
5、InfoQ “驯服”不受控的大模型要搞定哪些事| 专访达观数据副总裁王文广“驯服”不受控的大模型要搞定哪些事| 专访达观数据副总裁王文广_腾讯新闻
6、腾讯云最具价值专家 TVP 腾讯云最具价值专家TVP-王文广-个人简介
7、数创大讲堂-知识图谱与大模型融合应用实践 厦大数据挖掘中心|数创金融大讲堂系列报告十三——知识图谱与大模型融合应用实践 孙老师资深大模型算法专家
毕业于中国科学技术大学自动化系拥有 20年 IT/AI 经验先后在 IBM、华为、顺丰、KPMG 等知名企服务于 DBS,UBS,HSBC 等大型客户。2023 年起 All in 生成式 AI 应用创业专注于大型智能制造领域的 AI 咨询、系统实施和培训。精通生成式 AI 相关技术栈和应用系统设计开发。
2023.10-至今生成式 AI 研发专家 持续跟踪国内外开源和闭源大模型的发展动态进行本地部署或通过 API 集成到系统熟悉 GPT, Claude, Gemini, Llama, Mistral, Command R, GLM, Qwen, Deepseek, Moonshot, Xunfei Spark, Ernie, Yi, MiniMax 等模型能够根据行业不同的业务场景进行模型选取 熟悉大量开源嵌入模型和向量数据库如 BGE, Jina, Nomic 等系统嵌入模型和 Qdrant, Milvus, Chroma, LanceDB, Fincore 等向量数据库并能提供选型建议 熟练掌握 Langchain, Llamaindex, Langgraph 等生成式 AI 应用开发框架并能根据不同行业的业务场景选型和应用 研究了多个开源和闭源平台级产品包括 Coze, DSPy 和各模型厂商提供的在线 chatbot 和智能体平台等 设计开发了多个生成式 AI 应用从简单的多轮对话聊天机器人到 RAG、Agent、Agentic Workflow 还有 Vscode 代码生成插件和浏览器插件精通生成式 AI 应用系统架构设计和系统调优 部署了 stable-diffusion 模型进行文生图能力评估测试同时持续跟踪国内外文生图模型和平台发展, 熟悉国内厂商文生图平台及 API 部署并在系统种集成了 speech-to-text 和 text-to-speech 的模型如 Whisper, EmotiVoice 进行了多场大模型技术应用培训包括对不同行业的 IT 团队进行的“AIGC 大模型技术在不同领域的场景化应用“培训。
2017-2023KPMG 中国智能创新中心技术负责人
创建了 KPMG 中国智能创新中心管理着从设计、开发、交付、上线到运维的全流程团队规模将近 500 人。带领团队面向公司内外部客户设计和开发人工智能、大数据驱动的解决方案围绕信用、风险、合规等业务领域构建知识库、算法模型和业务系统。服务的客户包括国内外知名企业如 HSBC平安集团、招商银行、太平洋保险、蚂蚁金服等等。
2001-2014IBM从技术开发到业务管理
作为技术团队负责人带领团队进行应用系统设计、开发、测试、上线和运维服务的客户包括PCCW、DBS、国泰航空、UBS、UPS、深圳机场物流园等。
蔡老师 LLM 和多模态技术研发专家
中科院计算机博士现任北京邮电大学计算机学院硕导多模态内容分析及多模态大模型研究领域的专家。景行博士在多模态数据处理、机器学习和人工智能方面拥有丰富的研究经验和技术成果致力于推动大模型技术在多个行业的应用积累了深厚的理论基础和实践经验。
教育背景
2016.09—2020.06 中国科学院大学 计算机科学与技术 博士
可讲主题及培训内容
多模态内容分析技术与应用大模型架构设计、优化与部署计算机视觉与深度学习自然语言处理与多模态融合智能推荐系统与个性化服务数据挖掘与机器学习
培训案例
中国电信主持“大数据平台优化及开发应用实战”培训提升了电信网络运维及开发团队的大数据应用实践能力优化了多个数据分析应用软件的性能。北京城建开展“智能推荐系统与个性化服务”培训提升华为研发团队在大数据处理和个性化推荐系统设计上的技术水平。中科院软件研究所负责“多模态内容分析技术及应用”培训促进了科研团队在多模态数据处理和分析方面的技术提升。京东集团进行“计算机视觉与深度学习”培训帮助京东 AI 团队在图像识别、物品分类等方面实现了技术突破。
个人资质
高级工程师职称多模态内容分析及大模型技术专家IEEE 高级会员ACM 会员发表 SCI 论文 10 篇EI 会议论文 7 篇作为项目负责人主持国家自然科学基金、省部级重点研发项目多项
发表论文与发明专利
论文 发表在《IEEE Transactions on Circuits and Systems for Video Technology》的论文“Multimodal Content Analysis and Applications”发表在《Pattern Recognition》的论文“Advanced Techniques in Image Recognition”发表在《Neural Computing and Applications》的论文“Neural Networks in Multimodal Data Processing”发表在《Neurocomputing》的论文“Deep Learning Models for Multimodal Data”发表在《Multimedia Tools and Applications》的论文“Tools and Techniques for Multimedia Data Processing”发表在 NeurIPS、AAAI、ACM MM 等顶级会议的多篇论文专利 “一种基于多模态数据分析的智能推荐系统”发明专利“大规模数据处理与优化方法”实用新型专利
张老师 浙江大学AI专家
博士曾在英国G5名校的伦敦大学学院University College London计算机系攻读博士学位并担任博士后师从国际著名的信息检索与数据挖掘领域的Emine Yilmaz教授。他的研究主要涉及到机器学习、自然语言处理、知识图谱和AI for Science等方向在Nature Machine Intelligence、Nature Communications、NeurIPS、ICML、ICLR、AAAI、WWW、ACL等人工智能顶级学术会议和SCI期刊发表四十余篇文章谷歌学术论文引用量达到6000截止2024年8月。他担任中国中文信息学会语言与知识计算专委会委员教育部知识工程虚拟教研室成员Big Data Research中科院3区期刊编辑主持或参与国家自然科学基金、科技部科技创新2030-“新一代人工智能”重大项目、浙江省“尖兵”“领雁”重点研发计划项目、CCF-腾讯犀牛鸟基金、CAAI-MindSpore基金等近10项。曾获得中英教育信托者荣誉华为MindSpore杰出导师奖CCF-腾讯犀牛鸟优秀项目奖和AAAI-25学术新星奖AAAI-25 New Faculty Highlight。2023年10月10日张强博士受邀在哈佛医学院举办的Channing Methods Meeting论坛上进行1小时口头报告获得来自哈佛大学、麻省理工学院等知名研究机构和学者的广泛关注。
他带领的AI交叉团队致力于大型语言模型和知识图谱等新兴通用人工智能技术在合成生物、分子材料、生命健康等领域的应用研究。近年来与多学科团队合作开展AI科学交叉研究先后联合提出化学元素知识图谱ElementKG、融合“知识增强提示学习”的分子对比学习KANO、基于分子属性图谱采样的元学习方法GS-Meta、高鲁棒分子表示学习iMoLD、专家知识共学习的分子吸附性预测模型DeepSorption、知识增强的蛋白质预训练模型OntoProtein、基于提示学习的蛋白质预训练模型PromptProtein、基于预训练大模型的蛋白质优化方法AFP-DE、基于知识指令的文本-蛋白质跨模态大模型InstructProtein在Nature Machine Intelligence、Nature Communications等Nature子刊以及NeurIPS、ICML、ICLR、AAAI、IJCAI等人工智能顶会发表多篇AI for Science领域研究论文。论文整体发表情况请见 谷歌学术。
谢老师 西北工业大学AI专家
博导西北工业大学海外引进人才翱翔青年学者、教育部新世纪优秀人才陕西省青年科技新星教育部霍英东青年基础研究和西安市青年科技奖获得者亚太信号与信息处理学会(APSIPA)杰出讲者。曾在比利时布鲁塞尔自由大学、香港城市大学和香港中文大学从事研究工作。主要从事音频、语音与语言信息处理、多媒体信息处理、机器学习与人机交互技术等领域的研究工作。在包括IEEE Transactions on Audio, Speech and Language Processing、 IEEE Transactions on Multimedia, ACL, Interspeech, ICASSP、ACM Multimedia 在内的重要期刊和会议上发表论文180余篇带领团队多次获得学术会议最佳论文奖和多项国际评测第一名。主持多项国家和省部级科研项目。与华为、腾讯、搜狗、阿里巴巴、百度、微软、字节跳动、快手、爱奇艺、小米、京东、出门问问等超过20家业界企业开展了广泛深入的技术合作众多研究成果已在企业获得应用。担任第十届国际中文口语语言处理学术会议ISCSLP2016程序委员会主席、第十一届和第十五届全国人机语音通讯学术会议NCMMSC程序委员会主席、IEEE口语语言处理研讨会(SLT2020)大会主席、2019中国多媒体大会ChinaMM程序委员会主席等。谢磊教授是IEEE高级会员、中国中文信息学会理事、中国中文信息学会语音信息专业委员会副主任中国计算机学会语音听觉与对话专业组常务委员与秘书组成员、国际中文口语语言处理兴趣小组(SIG-CSLP) Workgroup Chair等。谢磊教授也担任了语音旗舰期刊IEEE/ACM Transactions on Audio, Speech and Language Processing的编委。
荣获奖项
首届中文音视频语音识别挑战赛(MAVSR)第一名未来杯高校AI挑战赛语音赛道第一名ICOT2019最佳论文2018 CHiME-5远场语音识别国际评测第三名(Ranking B Task)Zerospeech2017零资源语音国际挑战赛第二名Interspeech2016最佳学生论文提名shortlistISCSLP2016最佳学生论文提名奖NCMMSC2015最佳学生论文Zerospeech2015零资源语音国际挑战赛第一名Interspeech2015 Zerospeech Challenge Best Paper AwardInterspeech2014 最佳学生论文提名shortlist MediaEval 2015 QUESST国际评测第一名MediaEval 2014 QUESST国际评测第二名 Interspeech2011 最佳学生论文提名shortlist NCMMSC2011最佳学生论文提名奖HHME2009最佳论文奖
长期从事音频、语音与语言信息处理、多媒体信息处理、机器学习与人机交互技术等领域的研究工作。音频语音与语言处理研究组ASLPNPU的研究方向包括语音识别、语音合成、语音增强与分离、语音关键词检出、声纹识别、对话系统与语音交互、音视频多模态处理、语音内容分析等。主持和参加多项国家自然科学基金、863计划、教育部新世纪优秀人才支持计划、香港研究资助局项目、国际合作课题、省部级基金课题与科技计划等。研究与应用并重是实验室的特色开放交流是实验室的理念。目前在国际合作方面与新加坡南洋理工大学、新加坡国立大学、新加坡资讯通讯研究院、美国华盛顿大学、美国约翰霍普金斯大学、美国德州大学达拉斯分校等开展了深入研究合作。近年来围绕国家“新一代人工智能”拟人化人机交互的重大需求实验室深入开展全链路智能语音处理技术在多项语音识别、关键词检出、语音增强、声纹识别国际评测中取得第一名的顶尖成绩实验室入选2019《互联网周刊》中国人工智能高校排行十大顶尖实验室。产学研合作是该实验室的一大特色。目前实验室先后与包括腾讯、华为、阿里巴巴、搜狗、微软、字节跳动、爱奇艺、百度、小米、京东、出门问问等在内的业界众多企业开展广泛深入、多层次的产学研合作研究成果应用于语音搜索、智能音箱、智能玩具、手机语音助手、录音笔、智能手表、智能电视、在线语言学习、远程语音会议、AI开放平台和云端信息服务中。
卢老师 AI大模型技术专家
北京科技大学博士 北京大学博士后腾讯高级研究员曾就职于腾讯、爱奇艺等知名互联网公司 著有《速通机器学习》、 《速通深度学习的数学基础》等作品。 主要从事人工智能技术的应用和研发工作主要研究方向为机器学习、自然语言处理、知识图谱、推荐系统等有多年的理论和实践经验。
张老师 资深的 AI 算法专家
超过十年的技术研发和项目管理经验尤其在 LLM 技术、机器学习、深度学习及其在实际业务场景中的应用上有丰富的实战经验。“开源技术人”公众号主理人研究各种大模型的疑难杂症。擅长大规模模型的设计、开发、优化和评估并成功领导了多个行业级项目的落地实施涵盖金融、制造、公共安全和互联网等多个领域。通过在技术领域不断学习和实践积累了深厚的算法优化、模型加速以及大模型测评的理论与实操经验。他也是多个业内知名企业的技术顾问帮助企业提升其 AI 能力推动前沿技术的应用和落地。
专业技能
编程与开发精通 Python 编程、C、Java熟悉 Linux 环境下的开发掌握现代软件工程的各种工具与框架。深度学习与机器学习熟练使用主流深度学习框架如 TensorFlow、PyTorch、Keras拥有丰富的模型训练、调优和部署经验。尤其擅长 NLP、CV、多模态模型的开发与调优。大模型技术对主流大模型架构如 GPT、BERT、T5、LLAMA 等有深入理解熟悉其训练流程、微调策略和模型测评标准。算法优化与加速深入掌握 ONNX、TVM 等工具擅长模型转换、优化及硬件加速工作能够针对不同业务场景定制高效的模型推理流程。大数据处理具备处理和分析海量数据的能力熟练使用 Spark、Hadoop 等大数据工具能够高效进行数据预处理、特征工程及模型训练。数据库与系统开发精通 MySQL、MongoDB 等数据库管理系统熟练掌握分布式架构设计能够为复杂系统的部署提供全面的技术支持。项目管理与团队领导具有丰富的团队管理经验能够根据项目需求组建、培养和领导技术团队确保技术项目的成功交付。
工作经历
2024 年至今 | 北京某软件上市公司 | 算法负责人
负责公司的大模型算法产品线全面主导模型研发、优化和测评工作。带领团队参与了多个智能制造和金融领域的 AI 应用项目推动多模态数据集的构建和模型微调对齐确保模型在实际业务场景中的高效应用。在 FFT 项目中负责核心算法的开发与优化利用先进的机器学习技术加速 FFT 计算流程实现了业务中的关键技术突破。
2021-2023 | 北京某金融科技公司 | 算法负责人
参与央行资金追踪算法模型的研发负责湖南省公安厅智能禁毒大数据项目在数据挖掘、模型预测和智能决策方面取得了重要成果。推动 AI 技术在金融反洗钱、反欺诈等领域的实际应用帮助金融机构建立起更加完善的风控体系。主持多个 AI 项目的评估工作特别是大型模型的测试与性能评估确保算法能够在复杂的金融场景中稳定、高效运行。
2019-2021 | 某大数据研究院 | 算法研发工程师
主导多个大数据与 AI 项目的研发工作涵盖疫情大数据平台、工业大数据平台、肾小球识别平台等领域开发并优化了多种机器学习和深度学习算法。负责大数据平台的架构设计与性能优化提升了系统的数据处理能力并确保在高并发场景下的稳定运行。参与了多个模型的测评工作积累了丰富的大模型测试经验。
林老师大模型技术应用专家
16 年产业数字化和智能化技术背景北京航空航天大学计算机仿真专业硕士挪威工作两年连续创业者深谙大型企业的数字化技术路线。
AIGC 知名创新企业墨见 MoLook 创始人和 CEO阿里云前解决方案总监负责基于云计算、AI、IoT 的产品和解决方案沉淀、业务拓展、生态建设挪威软件公司 Prediktor 前中国区负责人ICA 联盟工作组组长阿里云 CIO 学院讲师。连续 3 年阿里云产品销售额 1 亿曾服务于陕煤、美孚、中国国网、南方电网、中烟、上海电气、宝钢、物产中大、东方希望等客户。
擅长 AIGC 的视觉和文本技术作为多个 AIGC 项目的负责人对 AI 技术在企业落地方面有丰富的经验和深刻的见解。
AI 创业公司的 LLM 项目已落地南信投、欧冶、中烟等企业。视觉项目已落地苏美达、三彩、雅戈尔等企业。
率领墨见为多家大型公司提供了完整的 AIGC 解决方案包括基础大模型、知识库 RAG、工作流等方面的技术和应用落地。南信投作为江苏第一大国资金融集团墨见帮助其搭建 AI 大模型应用平台并打造智慧办公、数字员工等应用与其数字化系统紧密结合。欧冶作为贸易公司墨见帮助其打造票据审核、知识库等 AI 服务应用。
林琚深谙云计算、大数据、物联网、AI 等技术原理和路径以及在企业落地实现的方式。是技术落地企业的实战派。作为互联网产品解决方案负责人林琚参与规划与建设了超过 300 个企业数智化项目其中包括 30 个大规模项目实战经验丰富。作为 AIGC 公司的创始人对 AI 技术以及 AI 在企业的应用有深度理解。
过往授课主题及培训内容
大模型技术基础 大模型的基本原理与架构主要大模型框架与技术应用大模型在制造行业的应用 制造行业数据分析与建模风险控制与预测客户行为分析与推荐系统多模态内容分析 多模态融合技术图像、文本与语音数据的综合处理
企业领域的 LLM 产品研发和培训案例
合作开发风险预测系统 以外部核心技术身份参与科技企业研发项目研发基于大模型的风险预测系统成功提升了风险控制的准确性和效率。为该企业技术团队提供大模型技术辅导和培训覆盖数据预处理、模型训练与优化等内容。合作开发客户行为分析与推荐系统 主持开发基于多模态内容分析的客户行为分析系统为客户提供个性化推荐服务。对相关部门进行系统使用与大模型技术应用的培训促进了新技术在实际业务中的落地。南信投大模型平台合作项目 与南信投合作开发大模型应用平台推动大模型在行业的广泛应用。提供针对内部技术人员的专项培训涵盖大模型开发与应用的各个环节。
叶老师 中国科学院自动化研究所/多模态人工智能系统全国重点实验室副研究员
叶佩军博士中国科学院自动化研究所/多模态人工智能系统全国重点实验室副研究员硕士研究生导师兼任山东交通学院特聘研究生校外导师西安交通大学软件学院研究生课程特聘授课专家长期致力于复杂系统、智能交通、自动驾驶等领域的基础及应用研究主持国家自然科学基金面上项目、青年基金国家自然科学基金重大项目子课题等多个国家级科研项目作为研究骨干参与国家“973”课题、国家“863”课题、国家重点研发计划、广州亚运会公共交通管理辅助决策系统、青岛市平行交通系统、杭州市城市交通大脑等多个科学研究及工程应用项目发表一区SCI/SSCI学术论文50余篇其中第一或通讯作者20余篇高被引1篇以第一作者身份出版人工智能专著2部取得11项授权发明专利获得2017年中国公路学会科学技术一等奖2020年中国智能交通协会科学技术二等奖2020年中国自动化学会自然科学一等奖。相关研究受到国家留学基金资助公派赴美国加州大学圣地亚哥分校认知科学系交流访问。叶佩军博士目前担任多个学术和社会服务职位先后入选中国科学院青年创新促进会会员北京市软件和信息服务业协会专家库成员北京市海淀区央地交流人才专家库成员国际学术期刊《IEEE Transactions on Intelligent Transportation Systems》编委《IEEE Transactions on Computational Social Systems》编委《IEEE Transactions on Intelligent Vehicles》编委中国自动化学会平行智能专委会委员。
杨老师 智能汽车控制系统专家
长期从事新能源智能汽车三电控制、智能汽车AI模型及优化、域控制器架构安全、功能安全、预期功能安全、网络安全等教学科研工作。先后获武汉理工大学自动化专业本科北京信息科技大学电信系硕士武汉理工大学车辆博士、东风汽车公司新能源汽车动力驱动系统方向博士后。曾在天津通信广播研究所从事北斗飞机导航、722舰船通信研究所从事舰船通信、清华大学汽车节能与安全国家重点实验室从事线控转向工作借调教育部从事专业认证等工作。是新工科、产教融合、新能源智能汽车控制系统复合型领域专家。该领域发明专利第一作者30余项发明专利成果产业化5项以上其中包括威马汽车。曾在工信部人才中心、教育部SGAVE项目、ⅠBM、阿里斑马、地平线、eTON、舍弗勒、东风公司股份、东风商用车、东风岚图、上汽集团、南汽集团、一汽集团、吉利集团、五菱、三一、联合电子、中汽研、清华大学苏研院、上海交大继续教育学院、中国汽车报网络平台2020智能汽车精品课程等汽车行业新能源智能汽车控制系统内训、ISO26262功能安全、21434、21448等培训咨询专家、盖世汽车、东方瑞通lT培训、中国电池联盟协会讲师、多家汽车行业培训公司、公众平台等讲师、腾讯新工科研究院特聘专家。现在武汉理工大学汽车工程学院、武汉理工大学新能源与智能网联车湖北省工程技术研究中心工作、机械工业出版社汽车类顾问专家、浙江智能网联创新中心专家、武汉市新能源汽车产业协会专家、四川省汽车产业协会专家、教育部汽车专业评估专家、高校毕业生就业协会校企专家、中国汽车维修行业协会高级专家、中国光谷创新企业协会汽车分会秘书长、南昌理工学院客座教授、汉鼎智能高级顾问。多次参与国内鉴定机构新能源汽车司法鉴定。机械工业出版社第二主编《汽车构造》、主编《智能网联汽车技术与原理》、化学工业出版社《图说汽车域控制技术》、《新能源汽车电控、电机与电池系统结构与故障诊断》。
相关案例 课程名称 培训周期 培训内容及成果 服务客户 课程或案例链接 大模型实操深度技术研修 4天 大模型实操课程涵盖了模型迁移与适配、模型训练调优以及模型推理优化三大核心内容。学员将通过实际操作掌握多模态大模型的迁移方法、大模型的预训练与调优技巧以及在复杂场景下的推理优化技术。课程强调实操训练帮助学员提升在实际项目中应用大模型的能力。 中国移动云能力中心 企业内训大模型实战技术深度研修-某智算厂商研发中心-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 AI/大模型/智能体的测评/评估技术 2 本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设深入探讨如何基于当前先进的AI、大模型与智能体技术构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法以及特定垂直场景下的测评实战等方面。通过结合前沿的推理加速框架和去中心化测评技术课程将展示多模态测评及角色扮演类测评的技术应用。同时通过典型案例剖析测评流程帮助学员全面掌握如何在不同应用场景下优化测评技术达到衡量模型性能、适用性、可靠性和安全性的最佳实践目标。 中移互联网 企业内训AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 RAGCoT深度技术课程 2天 本课程深入讲解LLM领域的两大前沿技术RAG和思维链CoT。本课程通过理论与实践相结合的方式详细介绍RAG和CoT技术的基本原理、应用场景、技术实现方法以及最新的研究进展帮助学员全面掌握这些技术的核心要点。 新致软件 NewsRAGCoT深度技术课程开班-某IT软件上市公司-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 提示词工程师高阶培训 2天 本课程是一门面向电信运营商技术团队的高级培训课程旨在深入探讨深度学习与大模型技术在提示词生成与优化、客服大模型产品设计等业务场景中的应用。内容涵盖了深度学习前沿理论、大模型技术架构设计与优化、以及如何将提示词工程与电信行业的实际业务需求紧密结合。通过深入的技术探讨、案例分析和实战操作学员将学习到最新的LLM技术和提示词工程技巧并掌握如何在复杂的业务环境中设计、优化和部署大模型解决方案以提高电信业务的自动化和智能化水平。 中移在线总部 企业内训提示词工程师高阶技术内训-某运营商研发团队-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 华为昇腾智算中心深度技术研修 4天 深入解析了基于华为昇腾技术栈的智算集群建设与交付包括设备选型、测试方案与标准、算子开发与调试、HCCL集合通信及网络设备相关的实践细节。通过典型案例我们探讨了常见问题的排查流程、算子的高阶实现方法及集群的优化策略。此外还涵盖了华为CCAE、NCE、MindX、ModelArts架构的高级功能与实操培训为AI开发提供了全面的支持。 中国移动云能力中心 企业内训华为昇腾智算中心深度技术研修-某智算厂商研发中心-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 Nvidia智算中心深度技术研修 7天 课程深入探讨了英伟达技术栈在智算领域的应用涵盖网络技术、智算集群建设、测试标准、通信优化、分布式训练、以及融合算子优化等关键内容。课程结合典型案例和实操培训帮助学员全面掌握英伟达GPU在智算集群中的应用与优化技巧提升在大规模计算和深度学习领域的专业能力。 中国移动云能力中心 企业内训Nvidia智算中心深度技术研修-某智算厂商研发中心-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 人机对话大师打造流畅AI互动系统实现无缝交流 3天 【GenAI实训课程】人机对话大师是一门专为高校AI/IT/CS专业学生、教师及企业IT员工设计的24课时课程旨在教授构建流畅AI互动系统的技能。课程涵盖GenAI、NLP、语音识别与合成等技术帮助学员掌握从语音转文字到文字转语音的全过程。通过实战演练学员将学会使用Python、LangChain、ChatGPT等工具创建高效的AI系统并将其集成到美观的网页应用中。 某职业教育平台 【GenAI实训课程】人机对话大师打造流畅AI互动系统实现无缝交流-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 从LangChain接入ChatGPT到制作股票分析AI团队 4天 本课程深入探讨了AI在文案策划与写作中的应用旨在培养学生如何利用AI技术进行深入的市场分析、精准的受众洞察以及高效的创意生成。课程内容不仅涵盖了文案策划的基本原则包括目标设定、受众分析还特别强调了创意思维的培养通过AI工具激发学生的原创性和吸引力。学生将学习到如何根据不同媒体与电商平台的特点撰写出具有吸引力的文案同时通过案例研究深入理解AI技术与创意策略的结合提高文案效果。 某职业教育平台 【GenAI实训课程】从LangChain接入ChatGPT到制作股票分析AI团队-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 LLM大模型技术 5天 一门课程全面掌握LLM大模型技术应用开发的所有内容。本部分采用任务式和项目式的学习模式。主要学习内容包括 大模型开发基础大模型的训练与应用、大模型实操与API调用、提示工程技术 RAG基础与架构RAG基础与架构、文档切分常见算法、向量数据库常见算法 RAG与LangChainLangChain基础应用、理解Function Calling、LangChain与Retrieval组件、LangChain与Chain组件、Advanced RAG、基于RAGAS的RAG的评估 模型微调与私有化大模型开源模型介绍、模型微调基础、GPU与算力、高效微调技术-LoRA Agent开发Agent开发基础、自定义Agent工具、深入浅出ReAct框架、深度剖析Agent核心部件、Agent案例分享和前沿应用 智能设备与小参数模型智能设备上的模型优化基础、模型在智能设备上的部署、边缘计算中的大模型应用 多模态大模型开发多模态大模型基础、多模态模型项目剖析、多模态大模型应用分析。 某教育培训机构 【金钻就业计划】Part2-AIGC应用开发实践课程:多模态大模型应用开发-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 LLM大模型技术及应用 5天 培训内容全面覆盖了AI、大数据、机器学习等核心领域课程涵盖以下几个主要模块 AI技术的最新进展与思考 - 深入剖析AI技术在不同领域的创新应用大模型及其在元宇宙中的应用-介绍大模型在虚拟现实中的实际应用案例Transformer技术及其原理解析 - 深入理解Transformer技术的基础和进阶应用ChatGPT与大模型的启示 - 探讨ChatGPT等大模型在实际工作和学习中的应用LLaMA模型及其应用开发-学习LLaMA模型的部署和优化方法。 京东物流教育 【师资培训】LLM大模型技术及应用师资研修班-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 LLM大模型理论及实践 2天 TsingtaoAI为某央企数据中心开展的关于LLM大模型理论及实践的专题培训。本次培训深入探讨大模型技术在企业数据中心的应用包括数据准备、模型训练及微调、模型部署和实际应用场景。详细介绍如何通过预训练与微调方法有效提升模型性能并探讨传统NLP与LLM的结合方式以解决实时动态知识库的挑战。此外本课程还分享了在资源受限条件下如何优化模型配置确保技术的最佳实施。 中国石油 【企业内训】LLM大模型理论及实践-某央企数据中心授课课件-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 大模型训练与智能数据标注-实战技术课程 10天 本课程专为立志成为AI训练师的学员设计。课程内容涵盖了从数据采集、数据清洗、数据标注到大模型训练和智能系统运维的全流程。通过理论讲解与实战操作相结合的方式帮助学员掌握AI训练师所需的各项技能。 本课程注重大模型训练的最新技术和前沿应用结合当前AIGC和LLM技术的发展趋势系统地介绍了大模型在各类实际业务场景中的应用。课程内容涵盖了从数据采集与处理到大模型训练的全流程旨在通过详细具体的教学和实操练习使学员能够真正掌握AI训练师所需的技能。 四川创新人力资源开发中心 大模型训练与智能数据标注-实战技术课程-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训 LLM大模型技术内训 2天 本次培训项目是TsingtaoAI为华南某大型商业银行研发中心的产品经理、研发工程师、算法工程师定制开发的全面的大模型知识及其在金融行业中的应用培训和课题研讨。通过本次课程学员深入了解了大语言模型LLM的基本原理、应用场景、案例分析以及实际操作技巧从而在需求沟通和产品设计中能够更好地运用大模型技术。 广发银行研发中心 LLM大模型技术内训-某大型商业银行研发中心-TsingtaoAI-LLM/AIGC产品开发、企业内训和高校实训
关于 TsingtaoAI
TsingtaoAI 企业内训业务线专注于提供 LLM、具身智能、AIGC、智算和数据科学领域的企业内训服务通过深入业务场景的案例实战和项目式培训帮助企业应对 AI 转型中的技术挑战。其培训内容涵盖 AI 大模型开发、Prompt 工程、数据分析与模型优化等最新前沿技术并结合实际应用场景如智能制造、金融科技和智能驾驶等。通过案例式学习和 PBL 项目训练TsingtaoAI 能够精准满足企业技术团队的学习需求提升员工的业务能力和实战水平实现 AI 技术的高效落地为企业创新和生产力提升提供强有力的支持。
