課程分類： DS賦能運(yùn)用
課程目標(biāo)：
1.人工智能基礎(chǔ)知識(shí)的全面掌握
學(xué)員將從傳統(tǒng)機(jī)器學(xué)習(xí)到深度學(xué)習(xí)，再到當(dāng)前最熱門的大語(yǔ)言模型（如GPT、BERT、DeepSeek等）逐步深入學(xué)習(xí)，掌握AI的核心概念、技術(shù)原理和發(fā)展趨勢(shì)。
2.AI在軟件開發(fā)中的實(shí)際應(yīng)用能力
學(xué)會(huì)使用AI工具（如GitHubCopilot）自動(dòng)生成代碼，提高開發(fā)效率。
掌握如何在VSCode中安裝和使用AI擴(kuò)展，優(yōu)化代碼質(zhì)量和開發(fā)流程。
3.AI在數(shù)據(jù)處理中的實(shí)戰(zhàn)技能
掌握數(shù)據(jù)自動(dòng)化ETL的工具和方法（如ApacheNiFi），提升數(shù)據(jù)集成和清洗的效率。
學(xué)會(huì)使用自然語(yǔ)言生成SQL查詢，簡(jiǎn)化數(shù)據(jù)查詢和分析過程。
了解如何使用AI工具自動(dòng)爬取網(wǎng)頁(yè)數(shù)據(jù)，并解決相關(guān)法律和倫理問題。
4.AI在數(shù)據(jù)決策中的支持能力
學(xué)會(huì)使用AI生成可視化看板（如Tableau、PowerBI），提升數(shù)據(jù)分析和決策效率。
掌握如何利用AI生成數(shù)據(jù)分析報(bào)告，支持企業(yè)決策。
5.DeepSeek的本地化部署與定制化能力
掌握DeepSeek的本地化部署、訓(xùn)練微調(diào)和推理方法。
學(xué)會(huì)構(gòu)建個(gè)人知識(shí)庫(kù)，并將其集成到DeepSeek中，提升信息檢索和決策支持能力。
了解DeepSeek與主流AI大語(yǔ)言模型（如GPT、BERT、LLaMA）的對(duì)比，掌握其獨(dú)特優(yōu)勢(shì)。
6.AI自動(dòng)化工作流程的實(shí)現(xiàn)
學(xué)會(huì)使用Agent自動(dòng)化工具，優(yōu)化工作流程，提升工作效率。
掌握如何設(shè)計(jì)和實(shí)現(xiàn)自動(dòng)化工作流，減少人工操作。
7.實(shí)戰(zhàn)案例驅(qū)動(dòng)的學(xué)習(xí)體驗(yàn)?zāi)芰?/P>
通過多個(gè)實(shí)戰(zhàn)案例（如AI生成代碼、自動(dòng)化數(shù)據(jù)爬取、生成決策支持報(bào)告等），學(xué)員能夠?qū)⒗碚撝R(shí)應(yīng)用于實(shí)際場(chǎng)景。
學(xué)會(huì)解決AI應(yīng)用中的常見問題（如數(shù)據(jù)偏差、模型過擬合、法律和倫理問題）。
應(yīng)用場(chǎng)景：能夠?qū)⒄n程中學(xué)到的技能直接應(yīng)用于銀行中后臺(tái)的實(shí)際工作中，提升工作效率和質(zhì)量。
8.團(tuán)隊(duì)協(xié)作與跨部門合作能力
通過課程中的案例分析和團(tuán)隊(duì)討論，學(xué)員能夠提升跨部門協(xié)作能力。
學(xué)會(huì)如何與業(yè)務(wù)部門、管理層溝通AI技術(shù)的應(yīng)用和價(jià)值。
9.未來(lái)AI技術(shù)發(fā)展的前瞻性視野
通過課程中對(duì)AI技術(shù)發(fā)展趨勢(shì)的探討，學(xué)員能夠了解未來(lái)AI技術(shù)的方向（如多模態(tài)模型、邊緣計(jì)算等）。
學(xué)會(huì)如何持續(xù)學(xué)習(xí)和適應(yīng)AI技術(shù)的快速變化。
課程對(duì)象：
課程時(shí)間：
章 | 節(jié) | 小節(jié) | 時(shí)間 |
一人工智能入門 | 1. 從傳統(tǒng)機(jī)器學(xué)習(xí)到深度學(xué)習(xí) | 1. 介紹傳統(tǒng)機(jī)器學(xué)習(xí)的基本概念，如監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。 2. 探討深度學(xué)習(xí)的核心思想，如神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和訓(xùn)練過程。 3. 分析深度學(xué)習(xí)在圖像識(shí)別、自然語(yǔ)言處理等領(lǐng)域的應(yīng)用案例。 案例：某股份制銀行智能化客服電訪評(píng)估 電訪是零售的重要工作。電話外呼和企業(yè)微信是聯(lián)系客戶的關(guān)鍵工具，占據(jù)了客戶經(jīng)理超過一半的工作時(shí)間。對(duì)電話質(zhì)量的評(píng)價(jià)以人工判斷為主，一通電話的評(píng)價(jià)大約需要半個(gè)小時(shí)，效率低。利用大語(yǔ)言模型，通過對(duì)電話錄音的挖掘，營(yíng)銷過程中的一些標(biāo)簽（如營(yíng)銷開口、客戶的意向）。最終通過構(gòu)建機(jī)器學(xué)習(xí)模型，對(duì)電訪進(jìn)行評(píng)分。最終學(xué)員在云上成功運(yùn)行Python代碼，并掌握模型調(diào)優(yōu)方法。 | 9:00-10:30 |
2. 從深度學(xué)習(xí)到大語(yǔ)言模型 | 1. 講解大語(yǔ)言模型的基本架構(gòu)，如Transformer模型。 2. 探討大語(yǔ)言模型的訓(xùn)練過程，包括預(yù)訓(xùn)練和微調(diào)。 3. 分析大語(yǔ)言模型在文本生成、翻譯和問答系統(tǒng)中的應(yīng)用。 | 10:45-12:00 | |
3. 實(shí)戰(zhàn)案例：使用大語(yǔ)言模型進(jìn)行邏輯推理 | 1. 演示如何使用大語(yǔ)言模型解決經(jīng)典邏輯問題（如數(shù)獨(dú)、邏輯謎題等）。 2. 探討如何通過提示工程（Prompt Engineering）優(yōu)化模型的推理結(jié)果。 3. 分析模型在實(shí)際應(yīng)用中的表現(xiàn)，并提出改進(jìn)建議。 案例：使用AI大模型預(yù)測(cè)成功概率 通過一個(gè)電影中的德州撲克場(chǎng)景，設(shè)計(jì)Prompt，能讓AI準(zhǔn)確理解問題的上下文，游戲的潛在規(guī)則和任務(wù)目標(biāo)，體會(huì)與AI的邏輯交流碰撞，對(duì)比不同AI大模型平臺(tái)的智力水平和回答質(zhì)量。最終深刻思考AI的成長(zhǎng)趨勢(shì)。 | 14:00-15:30 | |
二AI在軟件開發(fā)上的應(yīng)用 | 1. 自動(dòng)生成代碼 | 1. 介紹自動(dòng)生成代碼的基本原理和工具，如GitHub Copilot。 2. 探討自動(dòng)生成代碼在提高開發(fā)效率中的應(yīng)用。 3. 分析自動(dòng)生成代碼的局限性和改進(jìn)方向。 | 15:45-17:00 |
2. Vscode及AI擴(kuò)展的安裝和使用 | 1. 講解如何在Vscode中安裝和配置AI擴(kuò)展。 2. 探討AI擴(kuò)展在代碼補(bǔ)全、錯(cuò)誤檢測(cè)和代碼優(yōu)化中的應(yīng)用。 3. 分析AI擴(kuò)展對(duì)開發(fā)流程的影響和潛在問題。 | 9:00-10:30 | |
3. 實(shí)戰(zhàn)案例：使用AI擴(kuò)展優(yōu)化代碼 | 案例：Github Copilot開發(fā)數(shù)據(jù)分析軟件 Github Copilot 作為強(qiáng)大的自動(dòng)化代碼生成工具，在數(shù)據(jù)分析軟件的開發(fā)中展現(xiàn)出卓越性能。它利用先進(jìn)的算法和智能輔助功能，高效地生成代碼，提升開發(fā)效率。開發(fā)人員借助其強(qiáng)大的技術(shù)支持，能夠更快速、精準(zhǔn)地構(gòu)建數(shù)據(jù)分析軟件，滿足各種復(fù)雜的數(shù)據(jù)處理需求。 | 10:45-12:00 | |
三AI在數(shù)據(jù)處理上的應(yīng)用 | 1. 數(shù)據(jù)自動(dòng)化ETL | 1. 介紹數(shù)據(jù)自動(dòng)化ETL的基本概念和工具，如Apache NiFi。 2. 探討數(shù)據(jù)自動(dòng)化ETL在數(shù)據(jù)集成和清洗中的應(yīng)用。 3. 分析數(shù)據(jù)自動(dòng)化ETL的挑戰(zhàn)和解決方案。 | 14:00-15:30 |
2. 自然語(yǔ)言生成數(shù)據(jù)庫(kù)SQL | 1. 講解如何使用自然語(yǔ)言生成數(shù)據(jù)庫(kù)查詢語(yǔ)句。 2. 探討自然語(yǔ)言生成SQL在數(shù)據(jù)查詢和分析中的應(yīng)用。 3. 分析自然語(yǔ)言生成SQL的準(zhǔn)確性和優(yōu)化方法。 | 15:45-17:00 | |
3. 實(shí)戰(zhàn)案例：AI自動(dòng)爬取網(wǎng)頁(yè)數(shù)據(jù) | 1. 演示如何使用AI工具自動(dòng)爬取網(wǎng)頁(yè)數(shù)據(jù)。 2. 探討AI在數(shù)據(jù)采集中的應(yīng)用和優(yōu)勢(shì)。 3. 分析AI爬取數(shù)據(jù)的法律和倫理問題。 案例：Appstore評(píng)語(yǔ)的自動(dòng)抓取和Transformer情感分析 App運(yùn)營(yíng)非常消耗人力，應(yīng)用自然語(yǔ)言處理模型對(duì)用戶的評(píng)語(yǔ)進(jìn)行情感分析，區(qū)別正面、中性和負(fù)面，實(shí)現(xiàn)業(yè)務(wù)運(yùn)營(yíng)的降本增效。本例使用AI大模型，從打開網(wǎng)站，抓取網(wǎng)頁(yè)信息，保存Excel數(shù)據(jù)，標(biāo)注樣本，訓(xùn)練模型，直至形成最終分析報(bào)告的全過程。學(xué)員只需跟著操作指示，一步一步實(shí)現(xiàn)樣本。案例采用了Appstore的實(shí)時(shí)數(shù)據(jù)，保證了實(shí)戰(zhàn)效果，讓學(xué)員學(xué)完即可用。 | 9:00-10:30 | |
四AI在數(shù)據(jù)決策上的應(yīng)用 | 1. AI生成可視化看板 | 1. 介紹AI生成可視化看板的基本原理和工具，如Tableau和Power BI。 2. 探討AI生成可視化看板在數(shù)據(jù)分析和決策中的應(yīng)用。 3. 分析AI生成可視化看板的局限性和改進(jìn)方向。 | 10:45-12:00 |
2. AI生成數(shù)據(jù)分析報(bào)告 | 1. 講解如何使用AI生成數(shù)據(jù)分析報(bào)告。 2. 探討AI生成報(bào)告在提高決策效率中的應(yīng)用。 3. 分析AI生成報(bào)告的準(zhǔn)確性和優(yōu)化方法。 | 14:00-15:30 | |
3. 實(shí)戰(zhàn)案例：使用AI生成決策支持報(bào)告 | 案例：AI一鍵生成數(shù)據(jù)報(bào)告 Python擁有強(qiáng)大的數(shù)據(jù)處理能力，擁有大量高效的工具箱。Pandas Profiling是一個(gè)強(qiáng)大的Python庫(kù)，可以快速對(duì)數(shù)據(jù)進(jìn)行初步的探索性數(shù)據(jù)分析。它可以生成交互式的報(bào)告，其中包含數(shù)據(jù)集的概覽、變量的描述、變量之間的關(guān)系、缺失值的分析等多種統(tǒng)計(jì)信息，非常適合在數(shù)據(jù)分析初期快速獲取數(shù)據(jù)集的直觀理解。 | 15:45-17:00 | |
五DeepSeek訓(xùn)推實(shí)踐 | 1. 訓(xùn)練微調(diào)和推理 | 1. 介紹DeepSeek本地化部署的基本步驟和工具。 2. 探討如何對(duì)模型進(jìn)行微調(diào)和推理。 3. 分析微調(diào)和推理在實(shí)際應(yīng)用中的效果和優(yōu)化方法。 | 9:00-10:30 |
2. 構(gòu)建個(gè)人知識(shí)庫(kù) | 1. 講解如何構(gòu)建個(gè)人知識(shí)庫(kù)并集成到DeepSeek中。 2. 探討個(gè)人知識(shí)庫(kù)在信息檢索和決策支持中的應(yīng)用。 3. 分析個(gè)人知識(shí)庫(kù)的維護(hù)和更新策略。 | 10:45-12:00 | |
3. DeepSeek與主流AI大語(yǔ)言模型對(duì)比 | 1. 模型架構(gòu)對(duì)比：對(duì)比DeepSeek與ChatGPT等主流模型的架構(gòu)設(shè)計(jì)，分析各自的優(yōu)勢(shì)和適用場(chǎng)景。 2. 性能與效率對(duì)比：從訓(xùn)練速度、推理效率、資源消耗等方面對(duì)比DeepSeek與其他模型的性能。 3. 探討DeepSeek在本地化部署和定制化方面的優(yōu)勢(shì)，與其他模型的對(duì)比。 | 14:00-15:30 | |
4. 實(shí)戰(zhàn)案例：Agent自動(dòng)化工作流程 | 1. 演示如何使用Agent自動(dòng)化工作流程。2. 探討Agent自動(dòng)化在提高工作效率中的應(yīng)用。3. 分析Agent自動(dòng)化的局限性和改進(jìn)方向。 | 15:45-17:00 |
