各相关单位：

      为帮助学员更好了解AI技术进展、理解AI工具的工作原理和工作架构、探讨AI大模型的应用局限性，掌握以生成式大语言模型为核心构建的“理论奠基—技术解析—实战应用—开发部署”知识体系，深度学习与自然语言处理基础、Prompt工程、多场景实战演练、本地化部署、模型微调、RAG 技术、Agent 开发以及多模态应用等方面内容。工业和信息化部电子工业标准化研究院定于2025年11月南京举办“人工智能(AI)应用工程师”专题培训班。具体安排如下：

（一）人工智能技术：演进、应用与核心驱动力

（1）人工智能技术的发展

（2）人工智能技术场景应用

（3）深度学习与自然语言处理（NLP）

（4）语言模型技术发展过程

（二）生成式大语言模型：原理、能力与生态发展

（1）生成式大语言模型基本概念

（2）生成式大语言模型的核心能力

（3）生成式大语言模型的主要特点

（4）大语言模型与搜索引擎的区别

（5）人工智能（Chat GPT）在生活与工作中的应用

（6）ChatGPT与DeepSeek的优势与创新点

（7）大模型的应用架构（Copilot -多Agent架构、纯Agent架构）

（三）大语言模型Prompt提示词工程

（1）大模型提问技巧万 能公式（角色、任务、上下文背景、关键词、目标对象、输出语言风格、输出格式、规则流程）

（2）结构化思维

（3）结构化提示词剖析

（4）如何撰写优质的结构化提示词

（5）编写自动化工作流提示词

（6）Prompt 攻击和防范

（7）结构化提示词与AI智能体

（四）生成式大语言模型实战应用：从工具使用到场景赋能

（1）DeepSeek、Kimi、文心一言、豆包等大模型在线演示（实操：搜索引擎使用、翻译软件、进行营销文案创作、编写邮件、拍照解答题目）

（2）大模型进行公文写作（实操：写作要点、会议通知、工作汇报、会议纪要等）

（3）大模型进行知识推理（实操：逻辑问题解答、因果分析）

（4） 大模型辅助办公效率提升（实操：使用DeepSeek+Kimi、WPS 灵犀制作工作汇报PPT；DeepSeek+Xmind轻松搞定思维导图；DeepSeek+XML生成SVG矢量图；DeepSeek+Mermaid快速制作流程图；DeepSeek、Kimi等进行数据分析；DeepSeek生成图表）

（5）大模型辅助编程(开发具备特定功能的程序、添加代码注释、开展代码纠错与修正工作、解答与代码相关的疑问、对代码进行优化、生成机器学习相关代码、编写 Python 代码以实现自动化办公)

（五）人工智能方法构建环境

（1）Python编程环境的配置

（2）基于Python的深度学习框架

（3）Pytorch模块阐释

（4）高性能计算理论基础

（5）GPU加速技术

（6）基于高性能计算的模型训练

（7）人工智能平台设计与模型的云端部署

（六）本地化部署DeepSeek

（1）本地部署硬件需求

（2）本地部署方法（实操：本地安装和使用ollama、安装chatbox用户界面、手动在Ollama中手动导入大语言模型、通过接入DeepSeek，瞬间升级为个人全能助手）

（七）大模型基础理论与技术

（1）大模型核心算法演进（Transformer架构原理解析、GPT系列模型技术演进（GPT-1→GPT-3→InstructGPT）、自注意力机制与位置编码的优化路径）

（2）词嵌入与表示学习（经典词嵌入模型对比（Word2Vec、GloVe）、现代预训练嵌入技术（text2vec、BGE）、嵌入模型在语义搜索中的应用实践）

（3）对话系统核心技术（对话模型训练范式（监督微调 vs 强化学习）、多轮对话状态跟踪技术、对话安全性控制机制）

（八）大模型开发关键技术

（1）Tokenization原理与分词算法（上下文窗口与位置编码、计算复杂度与显存优化、零样本/少样本提示设计、思维链（CoT）提示技术、动态提示优化策略）

（2）微调工具链实践（Hugging Face Transformers生态、PEFT（LoRA/Adapter）工具对比、分布式训练框架（DeepSpeed/

FSDP）

（3）模型优化与评估（大模型微调全流程、数据预处理与质量评估、参数高效微调技术（PEFT）、灾难性遗忘缓解策略）

（4）超参数优化技术（学习率调度策略、批量大小与梯度累积、损失函数设计与优化）

（5）模型评估体系（自动评估指标（BLEU/ROUGE）、人工评估方案设计、安全性与偏见检测、性能监控与迭代优化）

（九）RAG 和 Embeddings

（1）开展 RAG 工作的原理

（2）构建一个简易的 ChatPDF

（3）检索的基本概念

（4）向量表示（Embeddings）的定义

（5）向量数据库与向量检索

（6）基于向量检索的 RAG

（7）搭建 RAG 系统的拓展知识

（8）混合检索与 RAG - Fusion 概述

（9）向量模型的本地加载

（10）PDF 表格的处理   

（十）大模型Agent技术

（1）Agent让大模型更可用

（2）了解Agent的工作原理

（3）Agent开发平台速览

（4）开发Agent的通用流程

（5）开发自己的Agent

（十一）多模态大语言模型的工具框架及其应用效果展示

（1）AIGC 图像生成的核心原理与主流工具全景概述

（2）CLIP 模型与扩散模型的技术机制深度解析

（3）文本生成图像（Text-to-Image）与图像生成图像（Image-to-Image）的技术应用

（4）语音合成引擎的架构设计、核心功能与技术特性

（5）语音转换模型的核心原理及实现

（6）视频生成的关键技术

各相关单位从事人工智能及大模型技术相关工作的技术开发高管、AI 技术负责人、技术总监、项目经理、产品经理、AI工程师、机器学习工程师、数据科学家、软件开发工程师、测试工程师；各企业内部负责AI战略规划、研发、部署及维护的专业技术人员等，包括对如何结合大模型与工具链来开发多种应用场景等领域有深入兴趣或需求的单位和个人。

考试合格者，由工业和信息化部电子工业标准化研究院统一颁发《人工智能（AI）应用工程师》专业人员培训证书。

3980元/人/班（含师资、教材、场地等），食宿统一安排、费用自理。

联 系 人： 高老师

电  话：15376602038（微信同号）

座  机：0535-2122191

邮  箱：ctc@foodmate.net

Q  Q ：3416988473