AI人工智能及大模型培訓(xùn)課程簡(jiǎn)章

一、人工智能行業(yè)介紹

01、什么是人工智能

人工智能是計(jì)算機(jī)學(xué)科的一個(gè)分支，是研究計(jì)算機(jī)模擬人的某些思維過程和智能行為(如學(xué)習(xí)、推理、思考、規(guī)劃等)的學(xué)科，被譽(yù)為『二十世紀(jì)七十年代以來世界三大尖端技術(shù)之一』。近三十年來它獲得了迅速的發(fā)展，在諸多領(lǐng)域有著廣泛應(yīng)用，并取得了豐碩的成果。目前，以信息技術(shù)、互聯(lián)網(wǎng)為代表的第三次工業(yè)革命逐漸走向尾聲，以人工智能為代表的第四次工業(yè)革命正在到來。第四次工業(yè)革命將創(chuàng)建一個(gè)智能化時(shí)代，機(jī)器人、機(jī)器狗、無人機(jī)、無人駕駛以及各種智能化設(shè)備，將延伸到社會(huì)的每一個(gè)角落，深刻地改變世界，影響我們的生活。

02、人工智能在哪里

人工智能技術(shù)包括感知智能(圖像、語音、文字理解)和決策智能(強(qiáng)化學(xué)習(xí))，廣泛應(yīng)用社會(huì)各個(gè)領(lǐng)域。

03、人工智能未來發(fā)展趨勢(shì)

根據(jù)研究機(jī)構(gòu)發(fā)布的報(bào)告，中國人工智能產(chǎn)業(yè)在未來10年將呈現(xiàn)出顯著的增長(zhǎng)趨勢(shì)，并在全球市場(chǎng)中占據(jù)重要地位。從2025年到2035年，中國人工智能產(chǎn)業(yè)規(guī)模預(yù)計(jì)將從3985億元增長(zhǎng)至17295億元，產(chǎn)業(yè)規(guī)模增加541%，復(fù)合年增長(zhǎng)率為15.6%(數(shù)據(jù)來源：賽迪顧問)。

二、人工智能行業(yè)人才現(xiàn)狀

01、人才缺口巨大

據(jù)央視報(bào)道，得益于AI應(yīng)用的爆發(fā)式增長(zhǎng)，我國目前AI人才缺口達(dá)500萬，高校每年只能培養(yǎng)4萬。AI人才缺口巨大。

02、人才薪資較高

據(jù)智聯(lián)招聘統(tǒng)計(jì)，2025年2月，算法工程師、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)崗位招聘同比增速分別為46.8%、40.1%、5.1%，平均招聘月薪均突破2萬。

三、如何進(jìn)入人工智能行業(yè)

01、能力要求

02、學(xué)習(xí)路徑

四、人工智能課程方案

01、課程階段

02、課程大綱

第一階段Python核心語言

第二階段數(shù)據(jù)科學(xué)與商業(yè)智能

第三階段機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘

第四階段深度學(xué)習(xí)

第五階段AIGC與大模型

培優(yōu)階段-Python全棧開發(fā)

03、課程優(yōu)勢(shì)

五、部分項(xiàng)目案例展示

01、第一階段項(xiàng)目展示

項(xiàng)目介紹

數(shù)瞰商智運(yùn)營(yíng)系統(tǒng)是一款基于PyQt5+MySQL+AI大模型深度開發(fā)的企業(yè)級(jí)智能運(yùn)營(yíng)管理決策平臺(tái)。數(shù)瞰商智運(yùn)營(yíng)系統(tǒng)融合商業(yè)智能(BI)引擎、數(shù)據(jù)引擎、可視化引擎融合多企業(yè)CRM、ERP數(shù)據(jù)源，實(shí)現(xiàn)一站式核心數(shù)據(jù)可視化、一鍵穿透式分析銷售經(jīng)營(yíng)指標(biāo)結(jié)合自動(dòng)化流程管理及AI大模型，可自動(dòng)生成數(shù)據(jù)分析報(bào)告，預(yù)測(cè)銷售趨勢(shì)、庫存需求及客戶流失風(fēng)險(xiǎn)。平臺(tái)基于RBAC實(shí)現(xiàn)字段級(jí)數(shù)據(jù)管控，同時(shí)加入審計(jì)日志與客戶端行為追蹤，滿足GDPR與企業(yè)內(nèi)控合規(guī)要求。

關(guān)鍵知識(shí)點(diǎn)

PyQt5框架:元素控件信號(hào)和槽事件管理器界面布局C/S架構(gòu)設(shè)計(jì)

數(shù)據(jù)CRUD:內(nèi)存數(shù)據(jù)增加、刪除、修改、查詢

可視化看板:基于QtChart可視化圖表動(dòng)態(tài)化

文件管理:數(shù)據(jù)持久化文件導(dǎo)入圖片上傳

AI服務(wù):OpenCV人臉識(shí)別DeepSeek大模型

02、第二階段項(xiàng)目展示

【項(xiàng)目一】企業(yè)招聘需求監(jiān)控

項(xiàng)目介紹

本項(xiàng)目通過采集各大招聘平臺(tái)的招聘數(shù)據(jù)，首先將數(shù)據(jù)存儲(chǔ)在Excel中，并利用Excel中的刪除、分列、填充及函數(shù)對(duì)數(shù)據(jù)進(jìn)行清洗各整理；其次確定核心指標(biāo)并計(jì)算，再次規(guī)劃看板的布局，最后借助透視表的數(shù)據(jù)統(tǒng)計(jì)功能、切片器的、交互功能、Excel自身的圖表功能成功搭建具有交互功能的市場(chǎng)招聘數(shù)據(jù)監(jiān)控看板。

關(guān)鍵知識(shí)點(diǎn)

數(shù)據(jù)清洗常用方法:重復(fù)值異常值辨別數(shù)據(jù)提取

數(shù)據(jù)統(tǒng)計(jì)與計(jì)算:函數(shù)計(jì)算透視表應(yīng)用

可視化看板搭建:可視化頁面布局設(shè)計(jì)圖表選擇與應(yīng)用圖表交互

項(xiàng)目架構(gòu)

分析報(bào)告

【項(xiàng)目二】企業(yè)內(nèi)部資源需求分析

項(xiàng)目介紹

為了確定**學(xué)科擴(kuò)大招生所需要的人力和財(cái)力，本報(bào)告依據(jù)企業(yè)內(nèi)部數(shù)據(jù)，選擇合適的對(duì)比學(xué)科，通過對(duì)比分析，找到兩個(gè)學(xué)科之間的差異，同時(shí)確定重點(diǎn)指標(biāo)的權(quán)重，測(cè)算出擴(kuò)大招生所需要增加的市場(chǎng)投放預(yù)算金額與師資配置，并根據(jù)分析和測(cè)算結(jié)果最終形成分析報(bào)告，呈現(xiàn)給管理層做決策參考。

關(guān)鍵知識(shí)點(diǎn)

分析方法及思維:對(duì)比分析結(jié)構(gòu)分析假設(shè)分析賦權(quán)

分析指標(biāo):CAC人均服務(wù)人數(shù)

報(bào)告編寫方法:分析結(jié)論分析建議

【項(xiàng)目三】品牌連鎖店智能分析系統(tǒng)

項(xiàng)目介紹

本項(xiàng)目基于PowerBI為某品牌連鎖店搭建可視化看板。通過PowerBI的PowerQuery、PowerPivot和PowerView三大模塊，結(jié)合DAX和M函數(shù)，完成了數(shù)據(jù)清洗與整理、銷售目標(biāo)拆解、數(shù)據(jù)建模、指標(biāo)計(jì)算、RFM標(biāo)簽分析以及可視化看板搭建等工作。最終形成了涵蓋駕駛艙、店鋪分析、產(chǎn)品分析和用戶分析的可視化看板，滿足企業(yè)各業(yè)務(wù)部門的決策需求。

關(guān)鍵知識(shí)點(diǎn)

分析方法及思維:目標(biāo)分析目標(biāo)拆解細(xì)分思維對(duì)比思維

技術(shù)/工具:數(shù)據(jù)建模D函數(shù)M函數(shù)度量值

分析指標(biāo):達(dá)成率環(huán)比

圖表設(shè)計(jì)及交互:折線圖餅圖卡片圖瀑布圖切片器篩選器

【項(xiàng)目四】企業(yè)銷售智能分析與預(yù)測(cè)

項(xiàng)目介紹

本項(xiàng)目借助Excel圖表功能和相關(guān)性分析工具，深入挖掘企業(yè)歷史銷售數(shù)據(jù)，通過可視化手段呈現(xiàn)價(jià)格和銷售數(shù)量的關(guān)系。運(yùn)用線性回歸分析法，對(duì)未來銷售量進(jìn)行科學(xué)預(yù)測(cè)，為企業(yè)的生產(chǎn)、庫存和營(yíng)銷決策提供有力支持，助力企業(yè)在市場(chǎng)競(jìng)爭(zhēng)中保持優(yōu)勢(shì)，實(shí)現(xiàn)可持續(xù)發(fā)展。

關(guān)鍵知識(shí)點(diǎn)

分析方法及思維:趨勢(shì)分析關(guān)系分析相關(guān)性分析預(yù)測(cè)模型

技術(shù)/工具:函數(shù)散點(diǎn)圖折線圖

預(yù)測(cè)模型:線性回歸時(shí)間序列相關(guān)系數(shù)模型擬合度

03、第三階段項(xiàng)目展示

【項(xiàng)目一】基于AARRR模型分析xx淘寶店鋪用戶行為

項(xiàng)目介紹

隨著電商行業(yè)進(jìn)入存量競(jìng)爭(zhēng)階段，平臺(tái)與商家的運(yùn)營(yíng)重心逐漸從“流量爭(zhēng)奪”轉(zhuǎn)向'用戶價(jià)值深挖”、當(dāng)前淘寶生態(tài)中，用戶行為數(shù)據(jù)已覆蓋點(diǎn)擊、收藏、加購、支付等全鏈路場(chǎng)景，但多數(shù)店鋪仍面臨用戶活躍度下降轉(zhuǎn)化路徑斷裂、復(fù)購率不足等核心痛點(diǎn)，用戶行為數(shù)據(jù)是破解轉(zhuǎn)化瓶頸、優(yōu)化資源投放的核心抓手，通過深度分析可顯著提升運(yùn)營(yíng)效率與用戶生命周期價(jià)值，為店鋪在存量競(jìng)爭(zhēng)中突圍提供關(guān)鍵動(dòng)能。

關(guān)鍵知識(shí)點(diǎn)

數(shù)據(jù)抽樣:千萬條數(shù)據(jù)中抽取百萬條

數(shù)據(jù)描述性統(tǒng)計(jì)分析:8個(gè)常見統(tǒng)計(jì)指標(biāo)、以及用戶行為相關(guān)指標(biāo)搭建

數(shù)據(jù)處理:缺失值處理，異常值檢測(cè)與處理

基于AARRR模型分析:獲客分析、留存分析、轉(zhuǎn)化率分析、制定獲客，留存，活躍業(yè)務(wù)邏輯、繪制折線圖

用戶分層模型:基于行為定義用戶狀態(tài)、結(jié)合RFM模型實(shí)現(xiàn)精準(zhǔn)分層

【項(xiàng)目二】航空公司客戶價(jià)值分析精準(zhǔn)營(yíng)銷提升GMV

項(xiàng)目介紹

客戶價(jià)值分析通過量化客戶貢獻(xiàn)度與行為特征，為資源精準(zhǔn)投放提供核心依據(jù)。在航空業(yè)案例中，基于LRFMC模型對(duì)6萬余客戶分層后，企業(yè)快速鎖定20%的高價(jià)值VIP群體，針對(duì)性提供專屬權(quán)益；同時(shí)識(shí)別R值異常的潛在流失客戶，觸發(fā)定向召回策略，這一方法論可遷移至零售、金融、電商等行業(yè)，例如零售業(yè)通過RFM模型劃分高頻高客單用戶，優(yōu)先推送新品與會(huì)員權(quán)益；金融行業(yè)基于資金流動(dòng)頻率與規(guī)模識(shí)別高凈值客戶，定制理財(cái)方案。實(shí)現(xiàn)“降本-提效-增收”三重價(jià)值，驅(qū)動(dòng)企業(yè)從粗放運(yùn)營(yíng)向數(shù)據(jù)驅(qū)動(dòng)的可持續(xù)增長(zhǎng)模式轉(zhuǎn)型。

關(guān)鍵知識(shí)點(diǎn)

數(shù)據(jù)讀取:數(shù)據(jù)采集、存儲(chǔ)、流轉(zhuǎn)

數(shù)據(jù)處理:缺失值處理，異常值檢測(cè)與處理

特征選擇及特征處理:基于LRFMC模型選擇特征，特征標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化處理

數(shù)據(jù)建模及模型優(yōu)化:K均值算法建模，輪廓系數(shù)、CH指標(biāo)、模型評(píng)價(jià)

定義客戶標(biāo)簽:雷達(dá)圖繪制

【項(xiàng)目三】連鎖零售超市經(jīng)營(yíng)分析

項(xiàng)目介紹

本經(jīng)營(yíng)分析項(xiàng)目聚焦某會(huì)員制超市8年運(yùn)營(yíng)數(shù)據(jù)通過構(gòu)建銷售毛利、利潤(rùn)總額等衍生指標(biāo)，結(jié)合行業(yè)對(duì)標(biāo)模型，剖析其“低商品毛利+高會(huì)員費(fèi)”模式的競(jìng)爭(zhēng)力。數(shù)據(jù)顯示，盡管商品毛利率僅11%(行業(yè)平均25%)，但其通過成熟的供應(yīng)鏈管控與精準(zhǔn)選品，以低價(jià)策略吸引消費(fèi)者支付年均57美元會(huì)員費(fèi)(遠(yuǎn)超同行免費(fèi)模式)，形成差異化壁壘。付費(fèi)會(huì)員人數(shù)增速雖放緩至4.61%)，但會(huì)員粘性顯著，其成功依賴長(zhǎng)期積累的供應(yīng)鏈優(yōu)勢(shì)與會(huì)員價(jià)值感知，通過犧牲商品利潤(rùn)換取用戶規(guī)模與復(fù)購率，分析成果可為優(yōu)化會(huì)員權(quán)益結(jié)構(gòu)、平衡毛利與獲客策略提供量化依據(jù)，亦為零售業(yè)創(chuàng)新提供案例參考。

關(guān)鍵知識(shí)點(diǎn)

數(shù)據(jù)描述性統(tǒng)計(jì):梳理財(cái)務(wù)指標(biāo)，涉及成本、利潤(rùn)、會(huì)員數(shù)據(jù)等

數(shù)據(jù)處理:新加財(cái)務(wù)分析衍生指標(biāo)、同比分析、計(jì)算各個(gè)指標(biāo)增長(zhǎng)率

財(cái)務(wù)經(jīng)營(yíng)分析:使用Matplotlib共享x軸，多個(gè)次坐標(biāo)軸繪圖

搭建經(jīng)營(yíng)分析報(bào)告:數(shù)據(jù)分析報(bào)告編寫，商業(yè)運(yùn)營(yíng)建議

04、第四階段項(xiàng)目展示

【項(xiàng)目一】達(dá)內(nèi)目標(biāo)檢測(cè)系統(tǒng)

項(xiàng)目介紹

隨著計(jì)算機(jī)視覺技術(shù)的飛速發(fā)展，目標(biāo)檢測(cè)作為其中的核心任務(wù)之一，在安防監(jiān)控、自動(dòng)駕駛、智能交通、工業(yè)檢測(cè)等多個(gè)領(lǐng)域發(fā)揮著至關(guān)重要的作用。YOLO是目標(biāo)檢測(cè)算法的杰出代表。本項(xiàng)目旨在構(gòu)建一個(gè)基于YOLOv11算法的高性能目標(biāo)檢測(cè)系統(tǒng)，實(shí)現(xiàn)對(duì)圖像和視頻中目標(biāo)的高效、精準(zhǔn)識(shí)別。項(xiàng)目將圍繞YOLOv11的技術(shù)特點(diǎn)展開，結(jié)合實(shí)際應(yīng)用場(chǎng)景，打造一個(gè)具有廣泛適用性和高度可擴(kuò)展性的目標(biāo)檢測(cè)解決方案。

關(guān)鍵知識(shí)點(diǎn)

目標(biāo)檢測(cè)系統(tǒng)的主要功能、流程及主流技術(shù)路線

數(shù)據(jù)收集、處理、清洗、增強(qiáng)技術(shù)

YOLOv11模型的構(gòu)建、訓(xùn)練、優(yōu)化、評(píng)估方法

目標(biāo)檢測(cè)中的關(guān)鍵技術(shù)原理及方法

YOLOv11模型的原生服務(wù)器部署、容器化部署技術(shù)

目標(biāo)檢測(cè)系統(tǒng)的行業(yè)應(yīng)用能力

【項(xiàng)目二】多任務(wù)自動(dòng)駕駛視覺感知系統(tǒng)

項(xiàng)目介紹

該項(xiàng)目為多任務(wù)自動(dòng)駕駛視覺感知系統(tǒng)，基于HybridNets模型，整合了交通對(duì)象檢測(cè)、可行駛區(qū)域分割、車道線檢查等任務(wù)，實(shí)現(xiàn)端對(duì)端視覺感知模型。該項(xiàng)目應(yīng)用于自動(dòng)駕駛車輛，實(shí)時(shí)從攝像頭獲取場(chǎng)景數(shù)據(jù)，實(shí)現(xiàn)對(duì)周邊環(huán)境的毫秒級(jí)感知與檢測(cè)。

關(guān)鍵知識(shí)點(diǎn)

目標(biāo)檢測(cè)、圖像分割、車道線檢測(cè)方法

多任務(wù)學(xué)習(xí)、端對(duì)端學(xué)習(xí)

極端場(chǎng)景魯棒性

【項(xiàng)目二】保險(xiǎn)知識(shí)問答系統(tǒng)

項(xiàng)目介紹

該項(xiàng)目為檢索式保險(xiǎn)問答系統(tǒng)，主要針對(duì)用戶提出的保險(xiǎn)業(yè)務(wù)問題，檢索知識(shí)庫，給出精準(zhǔn)回答，廣范應(yīng)用于保險(xiǎn)公司客服、銷售、客戶自主平臺(tái)、員工內(nèi)訓(xùn)、監(jiān)管部門查詢等業(yè)務(wù)場(chǎng)景。系統(tǒng)能為保險(xiǎn)企業(yè)節(jié)約大量人力、物力、財(cái)力投入，從而降低企業(yè)運(yùn)營(yíng)成本，保障客戶滿意度，提升企業(yè)經(jīng)營(yíng)績(jī)效。

關(guān)鍵知識(shí)點(diǎn)

問答系統(tǒng)、聊天機(jī)器人的主要功能、流程及主流技術(shù)路線

問答系統(tǒng)、聊天機(jī)器人構(gòu)建、訓(xùn)練、優(yōu)化、評(píng)估方法

問答系統(tǒng)數(shù)據(jù)收集、處理、清洗、增強(qiáng)技術(shù)

語義相似度比較的方法、原理及主流模型(雙塔模型、對(duì)偶編碼器、對(duì)比學(xué)習(xí)模型)

AI模型的原生服務(wù)器部署、容器化部署技術(shù)

問答系統(tǒng)、聊天機(jī)器人的行業(yè)應(yīng)用能力

05、第五階段項(xiàng)目展示

【項(xiàng)目一】DeepSeek本地部署與開發(fā)

項(xiàng)目介紹

該項(xiàng)使用DeepSeek開源模型，進(jìn)行本地化部署、開發(fā)、調(diào)用，部署企業(yè)專屬大模型，構(gòu)建安全可控的AI基礎(chǔ)設(shè)施。利用LangChain、RAG、Agent技術(shù)，實(shí)現(xiàn)企業(yè)業(yè)務(wù)系統(tǒng)的對(duì)接，從而實(shí)現(xiàn)大模型與企業(yè)業(yè)務(wù)的垂直整合。

關(guān)鍵知識(shí)點(diǎn)

DeepSeek本地部署

ollama部署框架

LangChain大模型開發(fā)框架

RAG外部知識(shí)庫消除大模型幻覺

Agent智能體開發(fā)技術(shù)

Fine-tune

LORA大模型微調(diào)技術(shù)

【項(xiàng)目二】基于大模型的金融投資平臺(tái)對(duì)話系統(tǒng)

項(xiàng)目介紹

在信息爆炸時(shí)代，個(gè)人投資者和金融機(jī)構(gòu)面臨海量財(cái)經(jīng)數(shù)據(jù)(如新聞、財(cái)報(bào)、政策、市場(chǎng)情緒等)，但傳統(tǒng)分析工具缺乏實(shí)時(shí)整合與智能決策能力。本項(xiàng)目旨在開發(fā)一款基于AIAgent的智能財(cái)務(wù)助理，通過自動(dòng)化信息收集、多維度數(shù)據(jù)分析與深度推理，為用戶提供實(shí)時(shí)股市洞察與投資建議，降低信息處理門檻，輔助投資決策。

關(guān)鍵知識(shí)點(diǎn)

大模型開發(fā)：ChatGPT、DeepSeek、ChatGLM開發(fā)技術(shù)

提示工程：設(shè)計(jì)領(lǐng)域?qū)Ｓ肞rompt

微調(diào)：構(gòu)建專有知識(shí)庫，微調(diào)(Fine-tune)

模型輕量化：知識(shí)蒸餾、模型量化、模型裁剪

Agent：任務(wù)規(guī)劃與分解、記憶管理、向量數(shù)據(jù)庫、外部API調(diào)用

06、培優(yōu)階段項(xiàng)目展示

【項(xiàng)目一】在線知識(shí)庫系統(tǒng)

項(xiàng)目介紹

知庫管理平臺(tái)是一個(gè)專注于計(jì)算機(jī)技術(shù)學(xué)習(xí)與實(shí)踐的綜合性網(wǎng)站。該平臺(tái)基于Python、Django框架開發(fā)，并結(jié)合了MySQL數(shù)據(jù)庫、Redis緩存以及前端技術(shù)如HTML、CSS和jQuery、AJAX，旨在為用戶提供一個(gè)便捷高效的技術(shù)知識(shí)獲取與交流環(huán)境。

平臺(tái)的核心功能包括用戶管理與認(rèn)證、完善的作者體系、內(nèi)容創(chuàng)作與管理、知識(shí)分類組織以及互動(dòng)評(píng)論系統(tǒng)。用戶可以輕松注冊(cè)登錄，瀏覽和學(xué)習(xí)各類技術(shù)文章。作者則擁有獨(dú)立的等級(jí)和信息管理系統(tǒng)，能夠便捷地發(fā)布、編輯和管理自己的技術(shù)分享，并通過文章分類使知識(shí)結(jié)構(gòu)化。此外，用戶可以通過評(píng)論功能與其他學(xué)習(xí)者和作者進(jìn)行深入的技術(shù)探討和經(jīng)驗(yàn)交流。

知庫管理平臺(tái)致力于整合多種計(jì)算機(jī)技術(shù)的學(xué)習(xí)資源，提供包括技術(shù)介紹、代碼示例和實(shí)用工具在內(nèi)的支持，幫助用戶系統(tǒng)地學(xué)習(xí)和應(yīng)用相關(guān)技術(shù)，促進(jìn)知識(shí)的積累與共享，無論是技術(shù)初學(xué)者還是經(jīng)驗(yàn)豐富的開發(fā)者，都能在此找到提升技能、拓展視野的有效途徑。

關(guān)鍵知識(shí)點(diǎn)

后端語言:Python、后端框架:Django、數(shù)據(jù)庫:MySQL、緩存:Redis、前端基礎(chǔ):HTML、CSS、前端、JavaScript、庫:jQuery、前端異步通信:AJAX