課程分類： DS賦能財務

課程目標：
DeepSeek是什么？
DeepSeek：大語言模型的特點
關鍵詞1：推理大模型 vs 非推理大模型
關鍵詞2：高效創(chuàng)新
關鍵詞3：強化學習 DeepSeek-R1-Zero
關鍵詞4：蒸餾
垂直領域 AI 的深度滲透，重塑行業(yè)格局
1.3 DeepSeek來龍去脈
V3革新——前沿起航，性能激昂
R1破局——純強突圍，以小博威
多維解讀——第三方視角，全景洞穿
Deepseek前世今生，大模型如何來的？

課程對象：

課程時間：

一、 智勢：AI的前沿探索
1.1DeepSeek宏觀認知
政域封殺：外國政府如何對待 DeepSeek
股市余震：為什么 DeepSeek 對美國股市造成沖擊
商界博弈：美國商界對 DeepSeek 的響應
省政聯(lián)動：各省接入 DeepSeek 情況
高層定調：主要領導對 DeepSeek 的發(fā)言
巨頭合流：DeepSeek 與科技巨頭
A股擁抱：DeepSeek 上市公司接入情況

1.2 DeepSeek 微觀認知
DeepSeek是什么？
DeepSeek：大語言模型的特點
關鍵詞1：推理大模型 vs 非推理大模型
關鍵詞2：高效創(chuàng)新
關鍵詞3：強化學習 DeepSeek-R1-Zero
關鍵詞4：蒸餾
垂直領域 AI 的深度滲透，重塑行業(yè)格局
1.3 DeepSeek來龍去脈
V3革新——前沿起航，性能激昂
R1破局——純強突圍，以小博威
多維解讀——第三方視角，全景洞穿
Deepseek前世今生，大模型如何來的？
二、AI如何賦能財務
1. AI賦能財務的場景
- AI在財務管理的創(chuàng)新應用
- 跨語種核算
- 智能審核與財務指標分析
- 財務報告自動生成
- 客戶財務數(shù)據(jù)分析與預測
- 快速處理客戶咨詢與服務
- 減少人員誤操作風險
- 實時監(jiān)測與風險識別
- 專門稅收或財務咨詢服務
- 會計報表研究與分析
- 報表形式與數(shù)據(jù)結構優(yōu)化
- 準確及時更新財務報表
- 促進會計行業(yè)內部信息流通
- 方便會計師加工財務數(shù)據(jù)
- 了解客戶需求
- 優(yōu)化會計流程
2. AI賦能財務的角色
- 會溝通的財務智庫
- 懂語言的全球化人才
- 多功能的分析工具
- 自動化的報告助手
- 智能化的決策顧問
- 全天候的財務秘書
- 個性化的技術助理
3. AI賦能財務的效果和價值
- 提升財務工作效率
- 強化財務人員能力
- 深入業(yè)務經營與決策支持
- 加快決策速度
- 提高決策效率
- 收入與支出偵測
- 偏差互動發(fā)現(xiàn)
- 關鍵信息記錄與存儲
- 實時數(shù)據(jù)分析與整合
- 靜態(tài)表格數(shù)據(jù)改進
- 市場發(fā)展變化展示
- 快速處理與服務客戶
- 智能服務實現(xiàn)
- 客戶問題回答與訴求處理
- 減少人員誤操作風險
- 實時監(jiān)測與風險識別
- 安全財務操作保障
- - 加快財務信息流通
4.案例
案例1：天津某電商公司財務如何用GPT提效的四個場景
案例2：蒼穹財務GPT的四大能力
案例3：貴州燃氣如何GPT賦能財務
案例4：中興新云的財務GPT實踐

三、AI賦能投資應用
3.1 大模型+embedding進行知識庫服務
3.1.1向量數(shù)據(jù)庫入門
3.1.2 Embedding入門
3.1.3語義搜索vs關鍵詞搜索
3.2 打造卓創(chuàng)大模型：通用大模型+FT（微調）
3.3打造卓創(chuàng)大模型生態(tài)：大模型+Agent形成個性化應用
3.4 案例分享
案例一：同花順金融信息大模型
同花順業(yè)務場景中的大模型: 問答
同花順業(yè)務場景中的大模型:對話
同花順業(yè)務場景中的大模型: 信息抽取
同花順業(yè)務場景中的大模型:奧情監(jiān)控
案例二：知乎大模型 熱榜摘要
案例三：BloombergGPT分享
案例四：360智腦分享
Open探討：大模型如何賦能山東卓創(chuàng)？
3.5 數(shù)字交易助手
3.6 固收日志助手
3.7 投資運營助手

三、財務人提示詞工程
1. prompt的一個本質
2. Prompt的二個心法
3. Prompt的三項溝通要點
4. prompt的四項chat法則
5. prompt的五個業(yè)務法則
6. Prompt的六條咒語
7. Prompt的七項注意
8 .Prompt的天龍八部
9. Prompt的追問法則
10. prompt的繼續(xù)法則
11. Prompt的工程化：Auto Prompt，COT prompt， Prompt Perfect
12.什么時候該選擇3.5，什么時候該選擇4.0？