各有关单位：
AIGC/ChatGPT等生成式大语言模型是在人工智能技术成熟应用的环境下产生的，伴随着ChatGPT与Sora等的诞生，标志着人类进入了超级人工智能时代。生成式大语言模型给人们的生活、工作带来很大便捷，但是基于大语言模型的预训练模型进行功能重建，面临着许多技术难题。基于此，我们整合现有开源项目程序与数据，以直观、便捷的形式帮助大家深入理解并学习AIGC人工智能自动生成技术，致力于将此项技术应用于学员的项目实施场景。内容主要包括生成式大模型工具在生活与工作中的应用、大模型的部署与训练过程中涉及的各方面理论与实践内容等。本期研修班将以深入浅出、通俗易懂的方式带您学习，解答您的疑惑，让大家领略不一样的实践体验。
培训对象
1、各行业企业、事业单位科研、技术人员；
2、高校、科研院所、大专院校，以及在校大学生；
3、其他对AIGC/ChatGPT感兴趣的人员。
时间地点
时间：2026年4月15-17日 上午9:30-12:00，下午：13:30-17:00
地点：北京市海淀区丰贤中路7号北科产业3号楼
研修课程大纲
日期 | 主题 | 课程内容 |
第一天 （掌握人工智能技术背景、AIGC技术背景、AI编程基础） | 人工智能技术概述 | 1、人工智能技术发展历程 2、人工智能技术应用场景 3、语言模型技术发展历程 4、生成式大模型课程概述 |
生成式大模型概述 | 1、生成式大模型概念 2、生成式大模型发展历程 3、生成式大模型的能力 4、生成式大模型的特点 5、ChatGPT简介 6、Deepseek简介 | |
大模型实用方面涉及技术 | 1、大语言模型提示词工程 2、大模型agent技术 3、大模型思维链 4、模型微调技术 5、RAG技术 | |
生成式大模型安装与调用演示 | 1、安装Python 2、安装Python包 3、学习Python基础语法 4、用Python调用API 5、安装Ollama运行大模型 6、调用本地大模型 7、本地IDE平台调用API 8、体验RAG和MCP功能 | |
第二天 （掌握深度学习环境搭建、大模型全流程技术、大模型微调运行环境部署、大模型的二次微调工具原理与应用） | 深度学习基础与核心架构 | PyTorch与Transformer速成 1、PyTorch核心操作 张量、自动求导与设备管理 模型定义与训练循环实战 2、Transformer架构精要 Self-Attention机制直观理解 Encoder-Decoder结构对比 Hugging Face Transformers库基础使用 |
生成模型与多模态基础 | Diffusion与多模态核心概念 1、Diffusion模型原理 前向加噪与反向去噪过程 条件生成与采样器选择 2、多模态模型入门 多模态学习基本概念（文本、图像、音频对齐） CLIP模型原理与应用 多模态表征融合方法简介 | |
工具实践与创作应用 | ComfyUI与多模态实战 1、ComfyUI工作流搭建 界面导览与节点概念 基础文生图工作流构建 ControlNet基础应用 2、多模态应用实战 图文匹配与检索实战 多模态提示工程基础 简单多模态生成演示 | |
模型训练方法论 | 从训练到蒸馏全流程 1、词嵌入与预训练 词向量从基础到现代方法 预训练数据准备与流程 2、微调技术实战 全参数微调与LoRA高效微调 多模态模型适配微调 3、知识蒸馏实战 蒸馏原理与流程 模型压缩实战演示 | |
优化部署与综合应用 | 量化与多模态系统搭建 1、模型量化实战 量化原理与意义 PyTorch量化API使用 量化效果验证 2、多模态系统集成 构建端到端多模态应用 性能优化技巧 3、课程总结与展望 技术栈回顾 学习路径建议 | |
第三天 （工具实践、大模型技术前沿） | AI编程工具介绍 | 1、如何用Trae高效生成项目框架 2、如何用Qoder进行数据分析 3、Comate编程智能体 |
前端开发工具介绍 | 1、秒哒：多模态UI生成 2、码上飞：产品设计全流程 | |
工作流开发工具介绍 | 1、扣子：用扣子搭建工作流和问答智能体 具介绍 | |
大语言模型发展趋势与应用展望 | 1、生成式AI引领的新AI范式 2、大模型与3D 3、大模型技术的最新进展 4、大模型与自然语言处理 5、大模型与知识图谱 6、大模型面临的挑战 7、针对生成内容的质量评估与控制 |
培训师资
刘老师，博士，研究员，入选北京市百千万人才计划，全国专业标准化技术委员会软件工程分技术委员会委员，北京市经信委专家咨询委员会专家，中关村协同创新服务平台创业导师，中国互联网协会理事。长期从事人工智能、大数据等方面的研发工作，在智慧政务、智慧城市等领域有多个成熟应用案例。
裴老师，博士，研究员，主要研究方向：基因组、生物信息学、人工智能。具有较丰富的数据分析、处理与高性能计算机的运用、程序开发及数据库平台构建工作经验。发表国内外科学论文30余篇、多项专利和软件著作。科研与项目申报经验丰富，讲课通俗易懂，互动性强。
张老师，博士，副研究员，北京市计算中心算法工程师。神户大学系统信息专业博士毕业，主要研究方向为深度学习、数据挖掘、图像识别算法构建等。主要从事深度学习与图像处理算法的理论与技术落地研究。项目实战经验丰富，授课受到众多学员好评。
陶老师，北京市计算中心人工智能助理研究员，图像算法工程师。主要从事人工智能图像处理方面内容，擅长根据实际问题设计cv算法解决方案，熟练掌握包括数据标注、建模、部署等步骤的全流程工程化工作。有丰富的训练深度学习及机器学习模型，并完成部署，集成到软件系统中供客户使用的项目经验。
培训费用
培训费4500元/人（含培训费、资料费、证书费、餐费等）。同一单位3人以上报名，每人优惠300元。
付费方式
手机银行或电子银行转账、银行汇款等
单位全称：北京市计算中心有限公司
账号：0200151819100023937
开户银行：中国工商银行股份有限公司北京自贸试验区永丰基地支行
（汇款信息备注：“智能计算——您的姓名”，个人汇款请备注单位名称）
注：款项支出后，请提供付款回执给工作人员，方便核实到账、开具发票。
咨询请联系
QQ号：3498448850
邮箱：bcc_peixun@163.com
张老师：18618295767（微信同号）
郭老师：18976866894
北京市计算中心有限公司
2025年12月
关于举办“AIGC生成式大模型及多模态的全方位应用技术实训高级研修班”的通知
https://mp.weixin.qq.com/s/GTG-bGOcXeYB0OXp629ytw
