認證簡介

2025年春節期間中國的DeepSeek火爆全球，震驚美國硅谷，可以與花費百億巨資的GPT相媲美，戳穿美股科技泡沫，以英偉達為代表的AI龍 頭出現了暴跌。DeepSeek讓特朗普也感到懼怕，隨即美國黑客攻擊DeepSeek的網站，使其癱瘓，中美爆發網絡黑客大戰。DeepSeek的爆火源于其多方面優勢。首先，它完全開源，可本地部署，無使用限制，保護用戶隱私。其次，其性能強大，效果可比肩甚至超越國際頂 尖模型，尤其在中文處理和復雜邏輯推理方面表現出色。此外，DeepSeek訓練成本低，API價格僅為同類產品的三十分之一，性價比超高。它還支持深度思考，能展示清晰的思維鏈，并具備聯網搜索、拍照識字、文件上傳等功能，使用場景豐富。最后，其響應速度快，生成內容幾乎無需等待。 

認證價值

1、提供清晰全面的可用知識，快速了解DeepSeek和API；

2、對比OpenAI和國內多個其他大模型（文心，智譜，千問等）的工作原理及優勢；

3、在案例基礎上使用流行的編程語言構建大模型應用；

4、掌握如何構建文本生成、問答和內容摘要等初階大模型應用；

5、了解提示工程、模型微調、插件、LangChain，RAG，Agent等高階實踐技術。

適合人群

1、程序員、開發工程師、軟件設計師、項目經理、架構師等。

2、本課程面向零基礎LLM應用開發者，不需要了解復雜數學算法，機器學習原理，不需要之前學習過大模型知識。有Java，C#，C++等編程基礎，最 好有Python基礎知識，但即使你對 Python 不太熟悉，也完全沒有關系。課程主要閱讀和講解案例代碼。

課程大綱

培訓共計3天，每天6小時，具體日程安排如下：

章節內容詳情

第 一章 DeepSeek大模型原理和應用第一部分: LLM大模型核心原理1.大模型基礎：理論與技術的演進

  2.**Ms大語言模型的概念定義

  3.**Ms大語言模型的發展演進

  4.**Ms大語言模型的生態體系

  5.大語言模型技術發展與演進

  6.基于統計機器學習的語言模型

  7.基于深度神經網絡的語言模型

  8.基于 Transformer 的大語言模型

  9.**Ms大語言模型的關鍵技術

  10***Ms大語言模型的核心框架：商業&開源

  11***Ms大語言模型的行業應用

 第二部分: DeepSeek大模型應用-辦公提效1.官方大模型DeepSeek應用

  2.******ek辦公提效

  3.使用DeepSeek官方模型做推理任務

  4.******ek和OpenAI O1模型的對比總結

  5.******ek和國內其他大模型對比（智譜，文心，通義，kimi等）

  6.******ek和國外其他大模型對比（Claude Gemini Mistral等）

 第三部分: DeepSeek大模型推理能力1.D******k-R1 發布

  2.對標 OpenAI o1 正式版

  3.D******k-R1 上線 API

  4.******ek 官網推理與 App 

  5.D******k-R1 訓練論文

  6.蒸餾小模型超越 OpenAI o1-min

  7.D******k-R1 API 開發應用

  8.通用基礎與專業應用能力

第二章 基于DeepSeek大模型API開發應用

 第一部分:DeepSeek大模型與Prompt提示工程1.****pt如何使用和進階

  2.什么是提示與提示工程

  3.提示工程的巨大威力：從Let’s think step by step說起

  4.拆解、標準化、流程化：如何用AI改造工作

  5.使用BROKE框架設計ChatGPT提示

  6.通過案例分析，展示如何使用大模型prompt技術輔助開發

 第二部分: DeepSeek大模型 API 應用開發1.D******k-V3 大模型API

  2.D******k-R1推理大模型API

  3.******ek模型 & 價格

  4.******ek模型參數Temperature 設置

  5.******ek模型Token 用量計算

  6.******ek模型錯誤碼

  7.******ek大模型多輪對話

  8.******ek大模型對話前綴續寫（Beta）

  9.******ek大模型FIM 補全（Beta）

  10.****Seek大模型JSON Output

  11.****Seek大模型Function Calling

  12.****Seek大模型上下文硬盤緩存

  13.文本內容補全初探（Text Completion）

  14.聊天機器人初探（Chat Completion）

  15.基于DeepSeek開發智能翻譯助手

  16.案例分析

 第三部分: DeepSeek大模型對比其他大模型API（國外和國內其他）1.****AI大模型API

  2.****de大模型API

  3.****ni 大模型API

  4.智譜大模型API 介紹

  5.使用 GLM-4 API構建模型和應用

  6.基于通義千問大模型API的應用與開發

  7.基于百度大模型API應用開發

  8.基于字節，騰訊，華為大模型應用開發

 第四部分: DeepSeek大模型API構建應用程序（12案例，靈活選擇）1.應用程序開發概述

  2.案例項目分析

  3.項目1：構建新聞稿生成器

  4.項目2：語音控制

  5.項目3：企業管理系統MIS應用案例分析

  6.項目4：某企業智能管理系統

第三章 DeepSeek和LangChain開發應用

 第一部分: 大模型應用開發框架 LangChain1.大模型應用開發框架 LangChain

  2.L****hain 是什么

  3.為什么需要 LangChain

  4.L****hain 典型使用場景

  5.L****hain 基礎概念與模塊化設計

  6.L****hain 核?模塊入門與實戰

  7.L****hain 的3 個場景

  8.L****hain 的6 大模塊

  9.L****hain 的開發流程

  10.創建基于LangChain聊天機器人

 第二部分: 基于DeepSeek和LangChain構建文檔問答系統1.構建復雜LangChain應用

  2.L****hain模型(Models)：從不同的 LLM 和嵌入模型中進行選擇

  3.L****hain提示(Prompts)：管理 LLM 輸入

  4.L****hain鏈(Chains)：將 LLM 與其他組件相結合

  5.L****hain索引(Indexs)：訪問外部數據

  6.L****hain記憶(Memory)：記住以前的對話

  7.L****hain代理(Agents)：訪問其他工具

  8.使用大模型構建文檔問答系統

第四章 DeepSeek構建企業級RAG知識庫第一部分: DeepSeek大模型企業RAG應用1.*AG技術概述

  2.加載器和分割器

  3.文本嵌入和 向量存儲

  4.檢索器和多文檔聯合檢索

  5.*AG技術的關鍵挑戰

  6.檢索增強生成實踐

  7.*AG技術文檔預處理過程

  8.*AG技術文檔檢索過程

 第二部分: 構建基于DeepSeek RAG Agent：實現檢索增強生成1.何謂檢索增強生成

  2.提示工程、RAG與微調

  3.從技術角度看檢索部分的Pipeline

  4.從用戶角度看RAG流程

  5.*AG和Agent

  6.通過Llamalndex的ReAct RAG Agent實現檢索

  7.獲取井加載電商的財報文件

  8.將財報文件的數據轉換為向量數據

  9.構建查詢引擎和工具

  10.配置文本生成引擎大模型

  11.創建Agent以查詢信息

第五章 基于DeepSeek大模型Agent智能體開發第一部分:DeepSeek大模型驅動的Agent智能體開發概述1.智能體的定義與特點

  2.智能體與傳統軟件的關系

  3.智能體與LLM的關系

  4.從ChatGPT到智能體

  5.智能體的五種能力

  6.記憶，規劃，工具，自主決策，推理

  7.多智能體協作

  8.企業級智能體應用與任務規劃

  9.智能體開發

 第二部分: 基于DeepSeek和LangChain構建Agent1.通過LangChain中的ReAct框架實現自動定價 

  2.L****hain ReAct框架 

  3.L****hain中ReAct Agent 的實現 

  4.L****hain中的工具和工具包 

  5.通過create_react_agent創建Agent 

  6.深挖AgentExecutor的運行機制

  7.P*********olve策略的提出 

  8.L****hain中的Plan-and-Execute Agent 

  9.通過Plan-and-Execute Agent實現物流管理 

  10.為Agent定義一系列進行自動庫存調度的工具

第六章 DeepSeek深入學習第一部分: DeepSeek原理和優化1.******ek原理剖析

  2.******ek系統軟件優化

  3.******ek 訓練成本

  4.******ek V3模型參數

  5.******ek MoE架構

  6.******ek 架構4方面優化

   7.DeepSeek R1 論文解讀

  8.******ek R1的創新點剖析

  9.******ek R1 引發的創新思考

 第二部分: 私有化部署DeepSeek推理大模型1.******ek云端部署

  2.******ek和國產信創平臺

  3.******ek和國內云平臺

  4.利用Ollama私有化部署DeepSeek R1大模型

  5.一鍵部署DeepSeek R1大模型

  6.******ek R1私有化部署總結

 第三部分: DeepSeek大模型微調1.******ek 大模型微調

  2.為何微調大模型

  3.大模型先天缺陷

  4.預訓練成本高昂

  5.垂直數據分布差異

  6.提示推理成本限制

  7.******ek大模型微調的三個階段剖析

  8.******ek大模型微調的兩種方法剖析

專家講師

劉老師 國內頂 尖AI專家

最近幾年帶隊完成了數十個AI項目，內容不僅包括深度學習、機器學習、數據挖掘等具體技術要點，也包括AI的整體發展、現狀、應用、商業價值、未來方向等，涵蓋內容非常豐富。完成多個深度學習實踐項目，廣泛應用于醫療、交通、銀行、電信等多個領域。從2020年推出的多門課程《AI大模型賦能行業應用與解決方案》《AI大模型輔助軟件研發管理與效能提升》和《AI大模型技術及開發應用實踐》更是廣受歡迎，已經為幾十家企業培訓，作為一名AI技術專家，對人工智能的理解深入透徹。他不僅精通AI的編程技術，還熟悉各種AI工具的使用，尤其在AI行業應用更是有著獨特的見解和實踐經驗；自從2023年以來幫助多家研發中心做AI輔助開發效能提升咨詢服務。同時也是微軟人工智能認證工程師，阿里云AI人工智能訓練師。在人工智能領域的深耕和創新，也得到了出版社的青睞，計劃出版自己的著作。也在多家技術大會做AI技術講座。