【项目1】基于OpenAI接口实战开发

大模型开发的最常见方法之一是大模型的接口调用。掌握实际调用主流大模型的接口，以Open AI、智谱的接口为例，掌握基本的大模型开发经验，轻松应对基本的大模型开发面试题。

收获技能：

· Open AI接口代码实战经验
· 智谱接口代码实战经验
· 掌握大模型接口和相关面试总结

【项目3】Tranformer的参数设计及原理代码实战

进一步理解gpt等诸多大模型的技术基础Transformer的结构设计、组成、以及各部分参数的设计原理。通过对于Transformer各部分代码的讲解，大家将能够复现Transformer基本结构，掌握其基本模块的功能，并实现在其他模型设计时的迁移使用。

收获技能：

· Pytorch中多个相关库的功能及使用
· Transformer基本encoder和decoder的结构实现
· 多头注意力模块的代码搭建
· Transformer中位置编码的设计与实现
· Transformer中残差链接及归一化的设计及代码实现
· Transformer的参数设计及原理
· Transformer模型的常见变化及拓展实现（如ViT等）
· 复现Transformer代码

【项目6】LangChain 版 OpenAI-Translator

学习如何利用LangChain框架开发一个基于OpenAI的翻译工具。了解LangChain框架的核心组件，以及如何将其应用于实际的语言翻译任务中。从数据准备、模型选择到实际部署的全过程。

收获技能：

· 理解LangChain框架在翻译任务中
  的应用
· 掌握数据预处理和模型集成的技巧
· 实现一个基本的翻译工具
· 学习如何优化翻译结果的准确性和
  流畅性

【项目9】LangChain Agent基础和Agent实战

介绍LangChain Agent的基本概念和应用场景。通过实际案例学习如何设计和实现一个多角色的智能体系统，该系统能够在不同的环境和任务中自主学习和决策。

收获技能：

【项目11】RAG 进阶和Query的改造

将学习如何对RAG模型进行进阶操作，包括Query的优化和改造，以提高模型的准确性和响应速度。

收获技能：

· 掌握Query优化和改造的高级技巧
· 学习如何调整RAG模型以适应特定的查询需求
· 实现一个响应更快、更准确的问答系统

【项目13】垂直领域搜索与大模型结合项目实战

讨讨如何将垂直领域搜索与大模型结合，以提升搜索结果的相关性和准确性。学员将熟悉搜索引擎基本流程和实践经验，学习如何利用大模型改进搜索算法，实现基于大模型的搜索。

收获技能：

【项目15】金融垂直领域应用微调大模型

本项目指导学员如何针对金融领域的特定需求微调大模型。学习如何调整模型参数以适应金融数据分析和预测任务。

收获技能：

· 理解金融领域对大模型的特殊要求
· 掌握金融数据的特征和处理方法
· 实现一个针对金融领域的大模型微调优化