课程内容为学院教研组精心设计，从学习到就业一步到位，课程内容将前沿动态、理论方法、案例讲解AI实训、教师陪跑等有机融合让学员听得懂，学得会。
班旨在让学员深入理解主流大模型架构，熟练掌握大模型部署、调优及智能体开发的全流程技术，具备基于实际需求进行大模型应用与优化的能力。
1.大模型部署与基础操作
深入解析 DeepSeek、ChatGPT 等主流大模型架构，剖析其设计理念与技术优势。
开展本地与云端大模型部署全流程实践教学，涵盖环境搭建、模型下载、部署配置等环节，让学员通过实际操作掌握部署技巧。
2.模型调优与微调技术
详细讲解大模型性能评估指标，如准确率、召回率、F1 值等，以及相应的优化策略。
进行基于特定数据集的模型微调实战，从数据预处理、微调参数设置到结果评估，全程指导学员完成微调任务。
3.智能体开发框架与技术栈
深入阐述 LangChain、CHATGPT、coze、dify 框架原理，对比各框架的特点与适用场景。
开展 RAG 技术在智能体中的应用教学，结合实际案例讲解其实现流程。
进行工具调用（Tool Calling）与知识库搭建实操，让学员学会如何整合外部工具与知识资源，提升智能体的功能与性能。
全面掌握机器学习与深度学习算法原理，熟练运用模型工程化技术解决实际问题，了解 NLP、计算机视觉与多模态领域的基础知识与技术应用。
1.机器学习与深度学习算法
深入讲解监督学习、无监督学习等经典算法原理，包括算法推导、应用场景与案例分析。
详细解析深度学习模型架构（CNN、RNN 等），分析其在图像、语音、文本处理等领域的应用。
2.模型工程化实践
开展模型压缩与轻量化技术教学，介绍剪枝、量化等常用方法，以及如何在保证模型性能的前提下减少计算资源消耗。
讲解模型推理优化与部署方案，涵盖推理框架选择、硬件加速、部署环境配置等内容。
3.NLP、计算机视觉与多模态基础
系统介绍 NLP 核心任务与技术，如文本分类、命名实体识别、机器翻译等，以及相关的技术实现。
讲解计算机视觉基础算法，如图像分类、目标检测、图像分割等，结合实际案例进行演示。
概述多模态交互技术，介绍如何融合文本、图像、语音等多种模态信息进行智能交互。
