一、GPT和大模型基礎
1.GPT等生成式AI的概念與發展歷程
1)介紹AIGC和大模型等相關概念，以及GPT從提出到GPT-4的發展歷程
2.GPT的原理
1)講解生成式AI、大語言模型、GPT的原理
二、大模型行業落地與應用開發
1.GPT等大模型典型應用案例
1)大模型在行業中的典型應用案例，包括數據質量提升、財報及市場動態分析、客服機器人等場景。
2.GPT的API及Prompt Engineering，function calling和assistant API
1)如何基于GPT的API開發智能應用和機器人。介紹Prompt Engineering，結合應用探討Prompt Engineering的方法與作用。
2)介紹GPT API的一些高級用法，包括function calling和assistant API
3)案例詳解：金融政策問答
3.讓GPT利用企業自身的文檔與數據
1)通過embedding、向量數據庫等技術，將企業里自身的文檔與數據接入到GPT。
2)案例詳解：上市公司財報分析、售前/售后技術支持
4.讓GPT從外部世界獲取信息
1)如何將GPT對接到搜索引擎，并利用大語言模型的能力篩選和處理搜索結果
2)案例詳解：個性化的“朝聞天下”、市場情緒分析
5.通過function calling和assistant API讓GPT從事更復雜的工作
1)介紹如何借助GPT的一些高級API如function calling和assistant API來完成復雜任務，并探討如何在其他大模型上實現這兩種API。
2)案例詳解：Code-Chat-Reviewer
6.GPT的微調
1)澄清業界對于“微調”的一些誤解，結合實際案例介紹如何微調GPT模型并進行應用。
2)案例詳解：數據結構化與數據質量提升
7.AI Agent
1)隨著GPT火起來的“Agent”是什么？如何構建AI Agent及應用前景
三、國產與開源大模型以及安全問題
1.典型國產與開源大模型簡介
1)國產商用大模型及GLM、llama-2等開源大模型及生態
2.典型開源大模型的部署
1)介紹如何運行開源大模型并將其部署為HTTP服務對外提供訪問
3.開源大模型的微調
1)介紹大模型微調的底層原理，并結合案例介紹如何對一個開源大模型進行LoRA微調
4.基于國產與開源大模型構建行業應用
1)展示基于國產與開源大模型構建行業應用，與GPT進行比較
5.安全與合規
1)介紹如何在一定范圍內合法合規訪問GPT，探討使用國產和自己部署開源大模型需要注意的安全問題
四、總結與展望
1.重點回顧
1)回顧課程重點。
2.未來展望
1)展望未來大模型技術發展趨勢，以及對企業和崗位的影響
課程周期：
16小時（45分鐘/課時）