先说值不值得学：这门课解决什么问题
很多上班族想转行做AI应用开发，但面对市面上碎片化的教程，往往学了一堆理论，真到业务场景里还是不知道怎么把大模型接进自家系统。这门训练营的核心，就是解决“大模型怎么落地垂直业务”的问题。它不教怎么从零手搓千亿参数模型，而是聚焦在如何调用星火、通义千问、智谱GLM这些主流大模型的接口，结合深度学习框架去开发具体的业务应用。如果你目前的工作涉及数据处理、后端开发，或者正打算转行做AI应用工程师，这门课能帮你补齐从“懂点Python”到“能独立开发大模型业务模块”的断层。但如果你连基础编程都没接触过，直接上手会非常吃力。
资料怎么配合练习：建议先看哪几块
这套资料包的编排逻辑是“先补底层逻辑，再做工具实战”，对于有编程基础的人来说，建议直接跳过开班典礼和最基础的Python语法，重点看深度学习基础和Pytorch那几节。因为大模型应用开发的核心在于理解Transformer架构，资料里用Pytorch结合CNN和RNN的前置课程，是为了让你明白模型是怎么处理序列数据的，这是后续做业务微调的基石。看的时候不要只过一遍视频，一定要在本地配好环境，跟着把Pytorch的神经网络搭建跑通。对于Python不太熟练的人，可以把前面几节语言课当作速查手册，遇到不懂的语法再回头查，没必要花大块时间死磕。
学完能独立做什么
把前置的深度学习基础和Transformer逻辑吃透，并且跟着大模型应用工具实战部分练完手后，你应该具备独立开发垂直领域AI应用的能力。具体来说，你能根据公司的业务需求，选择合适的大模型接口，编写调用逻辑，甚至能结合Pytorch对开源模型做轻量级的业务微调。比如给公司的客服系统接一个基于星火或通义千问的智能问答模块，或者处理结构化业务数据生成分析报告。资料包里的实战部分是重点，不要只看理论，一定要自己敲代码调通接口，把大模型返回的结果接进自己的业务流里，这样才算真正把这门课的资料榨干用尽。
传智教育紧跟技术发展及市场需求，联合讯飞星火大模型、通义千问大模型、智谱GLM大模型等头部大模型，推出AI大模型训练营课程，让你8周掌握大模型垂直业务领域应用与
课程目录
* 阶段一 AI大模型应用与开发3期训练营/
* 第一章 AI大模型应用与开发3期训练营/
* 1-1 大模型开班典礼
* 1-2 大模型必备Python语言
* 1-3 大模型必备Python语言
* 1-4 大模型必备Python语言
* 1-5 大模型必备Python语言
* 1-6 大模型前置课程（深度学习基础+Pytorch）
* 1-7 大模型前置课程（Pytorch+CNN）
* 1-8 大模型前置课程（Pytorch+RNN）
* 1-9 大模型前置课程（Pytorch+Transformer）
* 1-10 大模型前置课程（RNN+Transformer）
* 1-11 大模型应用工具实战（1）
* 1-12 下午-大模型应用工具实战（2）
* 1-13 晚上-大模型应用工具实战（2）
* 1-14 大模型开发入门
* 1-15 主流大模型介绍
* 1-16 大模型提示词微调
* 1-17 大模型提示词微调2
* 1-18 大模型提示词工程
* 1-19 金融行业动态风向评估
* 1-20 企业大模型定制平台1
* 1-21 企业大模型定制平台2
* 1-22 电商领域虚拟试衣系统
* 1-23 Functioncall原理与实践
* 1-24 GPTs和Assistant API的使用
* 1-25 【项目】财务助手
* 1-26 大模型Agent原理与实践
* 1-27 基于阿里魔搭社区的Agent应用
* 1-28 大模型开发工具longchain详解1
* 1-29 大模型开发工具longchain详解2
* 1-30 基于知识库RAG的物流行业信息问答系统
* 1-31 大健康行业智能问诊系统
* 1-32 【项目】基于知识库RAG的物流行业信息问答系统
* 1-33 【项目】大健康行业智能问诊系统
* 1-34 【项目】大健康行业智能问诊系统
* 1-35 【项目】大健康行业智能问诊系统
* 1-36 【项目】新零售行业评价决策系统【基于BERT+PET方式】
* 1-37 【项目】新零售行业评价决策系统【基于BERT+P-Tuning方式】
* 1-38 【项目】新零售行业评价决策系统【基于BERT+P-Tuning方式】
* 1-39 【项目】-【加课】新零售行业评价决策系统【基于BERT+P-Tuning方式】
* 1-40 【项目】新媒体行业评论智能分类与信息抽取系统
* 1-41 【项目】新媒体行业评论智能分类与信息抽取系统，ChatGLM-6B+LoRA模型搭建+趋动云资源配置
* 1-42 【下午】-【项目】新媒体行业评论智能分类与信息抽取系统，ChatGLM-6B+LoRA模型搭建+趋动云资源配置
* 1-43 【晚上】-【项目】新媒体行业评论智能分类与信息抽取系统，ChatGLM-6B+LoRA模型搭建+趋动云资源配置
* 1-44 【项目】Stable Diffusion多模态大模型应用实战
* 1-45 【项目】Stable Diffusion多模态大模型应用实战
* 1-46 综合项目与项目路演+【拓展】AI论文导读与论文撰写
* 1-47 【项目】语音大模型项目
* 1-48 大模型加餐课（面试指导）
* 1-49 大模型加餐课（面试指导）
* 1-50 大模型加餐课（推理加速）
* 1-51 大模型加餐课（项目部署）
* 1-52 大模型加餐课（项目部署）
* 1-53 大模型加餐课（项目部署）
* 1-54 【项目】基于Qwen开源通义大模型微调实战
* 1-55 【项目】基于Qwen开源通义大模型微调实战
* 1-56 【项目】基于Qwen开源通义大模型微调实战
* 1-57 【项目】基于Qwen开源通义大模型微调实战
* 1-58 通义千问大模型部署实战【赠送】
* 阶段作业 AI大模型应用与开发3期训练营-第1套试卷/
* 试卷
* 阶段二 AI大模型应用与开发4期训练营/
* 第一章 AI大模型应用与开发4期训练营/
* 1-1 大模型应用工具实战
* 1-2 大模型应用工具实战
* 1-3 大模型应用工具实战
* 1-4 大模型必备Python语言
* 1-5 大模型必备Python语言
* 1-6 【项目案例】 基于Streamlit+LangChain搭建智能聊天机器人
* 1-7 【项目案例】 基于Streamlit+LangChain搭建智能聊天机器人
* 1-8 大模型前置知识
* 1-9 大模型前置知识
* 1-10 大模型前置知识
* 1-11 大模型前置知识
* 1-12 大模型前置知识
* 1-13 大模型前置知识
* 1-14 大模型前置知识
* 1-15 大模型前置知识
* 1-16 大模型开发入门
* 1-17 主流大模型介绍
* 1-18 大模型Prompt-Tuning方法入门
* 1-19 大模型Prompt-Tuning方法进阶
* 1-20 大模型提示词工程应用
* 1-21 【项目】金融行业动态风向评估
* 1-22 【项目】金融行业动态风向评估
* 1-23 【项目】基于阿里百炼平台大模型分析数据与图表
* 1-24 【项目】多风格翻译机（API调用）
* 1-25 【项目】电商领域虚拟试衣系统
* 1-26 大模型开发工具Function Call的原理及实践1
* 1-27 大模型开发工具Function Call的原理及实践2
* 1-28 GPTs与Assistant API
* 1-29 【项目】基于国内开源模型实践Agent智能体实战
* 1-30 大模型Agent的原理及实践
* 1-31 【项目】基于国内开源模型实践Agent智能体实战
* 1-32 大模型开发工具Langchain详解1
* 1-33 大模型开发工具Langchain详解2
* 1-34 大模型开发工具Langchain详解3
* 1-35 大模型开发工具Langchain详解4
* 1-36 【项目】基于知识库RAG的物流行业信息问答系统
* 1-37 【项目】大健康行业智能问诊系统1
* 1-38 【项目】大健康行业智能问诊系统2
* 1-39 【项目】大健康行业智能问诊系统3
* 1-40 【项目】大健康行业智能问诊系统4
* 1-41 【项目】新零售行业评价决策系统【基于BERT+PET方式】
* 1-42 【项目】新零售行业评价决策系统【基于BERT+PET方式】
* 1-43 【项目】新零售行业评价决策系统【基于BERT+PET方式】
* 1-44 【项目】新零售行业评价决策系统【基于BERT+P-Tuning方式】
* 1-45 【项目】新媒体行业评论智能分类与信息抽取系统
* 1-46 【项目】ChatGLM-6B+LoRA模型搭建
* 1-47 【项目】ChatGLM-6B+LoRA模型训练
* 1-48 【项目】ChatGLM-6B+LoRA模型推理
* 1-49 综合项目与项目路演+【拓展】AI论文导读与论文撰写
* 1-50 【赠送】大模型加餐课（面试指导）
* 1-51 【赠送】大模型加餐课（面试指导）
* 1-52 【赠送】大模型加餐课（推理加速）
* 1-53 【赠送】大模型加餐课（项目部署）
* 1-54 【赠送】大模型加餐课（项目部署）
* 1-55 【项目】基于Qwen开源通义大模型微调实战
* 1-56 【项目】基于Qwen开源通义大模型微调实战
* 1-57 【项目】基于Qwen开源通义大模型微调实战
* 1-58 【项目】基于Qwen开源通义大模型微调实战
* 1-59 【项目】基于Qwen开源通义大模型微调实战
