课程亮点
1.涵盖大模型prompt、RAG、LangChain、Fine-Turning、多模态、视觉生成等主流开源大模型技术
2.OpenAl开源大模型、昇腾大模型产品丝滑融合
3.从大模型产品开发到商业闭环到产品运营一站式打造大模型高级解决方案架构师
4.金牌讲师团队+昇腾计算一线专家倾力交付
5.岗位年薪30W+，打造超一流就业薪资
6.送价值2000元昇腾系列高性能训练服务器实验环境
HCIA-AI Solution Architect课程简介
详细介绍 AI 大模型所需基础技术栈，包含深度学习基础、计算机视觉技术、自然语言处理技术、华为开源深度学习框架 MindSpore、注意力制、Transformer 架构，并简单介绍华为智算方案、昇腾大模型解决方案，共计 39 课时。
第一节：华为云 ModelArts 云服务开发环境搭建 - （3 课时）
- 华为云 ModelArts 云服务简介；
- ModelArts 实例购买及创建；ModelArts 实例配置；
- 本地 Pycharm+ModelArts 云服务搭建本地-云端混合开发环境；
第二节：深度学习基础理论与神经网络基础 - （6 课时）
- 什么是神经网络；什么是深度学习；
- 人工神经网络基本结构；关于深度学习的学习路线推荐与经验分享；深度学习模型构建流程；
- 由逻辑回归模型引入单层与多层感知机；深度学习任务的数据集划分及预处理；初始化模型参数方法：Kaiming 法与 Xavier 法；
- 激活函数的定义；激活函数的作用；常见的激活函数及其性质和应用；
- 梯度不稳定问题与激活函数的关系；
- 优化器原理；常见的梯度下降法优化器；
- Normalization 数据规范化；BN 规范与 LN 规范；
- 正则化提升模型表现；分类模型的评估指标；
第三节：CNN 卷积神经网络基础 - （6 课时）
- 卷积神经网络基本概念；计算机视觉技术的应用前景介绍；
- 卷积网络的卷积运算原理；
- 卷积的各种类型；池化层与全连接层；
- CNN 经典网络论文精读：AlexNet 深度卷积神经网络论文精读；
- CNN 经典网络论文精读：ResNet 深度卷积神经网络论文精读；
- CNN 经典网络论文：GoogleNet、VGG 网络介绍；
第四节：RNN 循环神经网络基础 - （6 课时）
- 循环神经网络基本概念；循环神经网络的典型应用常见；
- 循环神经网络的原理；循环神经网络的训练；标准 RNN 网络存在的问题；
- RNN 网络经典变体：LSTM 长短期记忆网络、GRU 门控循环单元论文精读；
- LSTM、GRU 网络实战项目；
第五节：生成式模型代表：生成式对抗网络（GAN） - （6 课时）
- 生成式模型简介；常见的生成式模型种类；
- GAN 网络核心原理；
- 早期原始 GAN 网络论文精读；
- GAN 网络经典变体：CycleGAN 论文精读；
- GAN 网络经典变体：StyleGAN 论文精读；
- GAN 网络经典变体：DCGAN 论文精读；
第六节：独立于传统有/无监督学习的第三种机器学习范式：强化学习 - （6 课时）
- 强化学习简介；强化学习的定义与背景；强化学习的应用领域；强化学习与其他机器学习范式的对比；
- 强化学习基本概念：智能体、环境、动作、状态、奖励；
- 强化学习的奖励假设；强化学习的马尔可夫决策过程（MDP）模型；
- 强化学习的核心算法：值函数与测录；基于值函数的强化学习算法：Q-Learning；
- 基于策略的强化学习算法：策略梯度方法；
- 强化学习与深度学习的结合：深度强化学习简介；
- 深度 Q 网络、深度策略网络、深度确定性策略梯度算法；
- 高级强化学习算法：双重深度 Q 网络、深度 Q 网络的经验回放；
- 高级强化学习算法：深度 Q 网络的目标网络、预测性动作选择；
第七节：领先的机器学习范式：半监督学习 - （6 课时）
- 什么是半监督学习；半监督学习发展简史、半监督学习的应用领域；
- 半监督学习发展的重要性解读；
- 有监督学习与无监督学习回顾；半监督学习与有/无监督学习的联系和区别；
- 半监督学习面对的技术挑战与解决方案；
- 半监督学习经典算法：自训练（Self-Training）模型；
- 半监督学习经典算法：半监督支持向量机（Semi-Supervised Support Vector Machine，S3VM）模型；
- 半监督学习经典算法：标签传播（Label Propagation）；
- 半监督学习进阶高级算法：半监督聚类（Semi-Supervised Clustering）；
- 半监督学习进阶高级算法：生成式对抗网络 GAN 在半监督学习中的应用；
)
