307分钟
大模型开发部署全攻略之大语言模型原理
在AI 2.0时代，大语言模型已成为企业智能化转型的关键技术，但行业普遍面临模型训练资源消耗大、交互设计复杂、生成内容可控性低等痛点。同时，多模态技术的兴起，进一步要求从业者不仅精通NLP，还需理解跨…
在AI 2.0时代，大语言模型已成为企业智能化转型的关键技术，但行业普遍面临模型训练资源消耗大、交互设计复杂、生成内容可控性低等痛点。同时，多模态技术的兴起，进一步要求从业者不仅精通NLP，还需理解跨模态模型的融合与应用。
为此，三节课联合一线AI研究院负责人李晓华老师，精心打造《大模型语言原理与框架》。 课程涵盖从理论到实战的全链路内容，结合最新行业案例，帮助学员突破技术瓶颈。
本课程系统讲解Transformer架构、大模型环境搭建、参数优化及生成式AI设计，并深入分析ChatGPT等典型模型。学员将掌握大模型的训练、推理与部署技巧，提升在搜索、对话、内容生成等场景的实战能力，为企业降本增效提供技术支撑。
第一章 Transformer基础与论文分析
- Transformer基础与论文分析（上）
- Transformer基础与论文分析（下）
第二章 Transformer Encoder与Decoder模块详解
- Transformer Encoder与Decoder模块详解（上）
- Transformer Encoder与Decoder模块详解（下）
第三章 Transformer图解与代码分析
- Transformer图解与代码分析
第四章 大模型核心架构与国内大模型概览
- 大模型核心架构与国内大模型概览（上）
- 大模型核心架构与国内大模型概览（下）
第五章 大模型运行环境搭建与模型加载
- 大模型运行环境搭建与模型加载（上）
- 大模型运行环境搭建与模型加载（中）
- 大模型运行环境搭建与模型加载（下）
第六章 大模型参数量计算、交互设计与生成原理
- 大模型参数量计算、交互设计与生成原理（上）
- 大模型参数量计算、交互设计与生成原理（下）
第七章 特定大模型分析
- 特定大模型分析（上）
- 特定大模型分析（中）
- 特定大模型分析（下）
李晓华
夏威夷太平洋大学 AI硕士 副讲师