首页/文章/ 详情

AI、大模型、多模态技术开发与应用

3小时前浏览2

2024年政府工作报告提出“发展新质生产力”,并将其列为年度十大工作任务之首。新质生产力正在重塑社会生产运行的方式,为企业开辟一条通向高质量发展的道路。新质生产力的提出加速了企业数字化转型步伐,人工智能技术作为核心新质技术,正在赋能企业数字化转型。从2022年大语言模型ChatGPT的问世,到2024年的视频生成大模型Sora的推出,人工智能技术已发展到生成技术和多模态大模型阶段,成为每一位科技人才重点关注和研究的方向。


为积极响应科研及工程技术人员需求,落实人工智能战略部署,加快培养数字技术人才,中国人工智能培训网(http://www.chinaai.org.cn)、北京龙腾亚太教育咨询有限公司、北京龙腾智元信息技术有限公司特举办新质技术之第九期“生成式AI、大模型、多模态技术开发与应用研修班”。本次培训采用理论+实战培训模式,由北京龙腾亚太教育咨询有限公司承办并进行相关费用收取及发票开具。


具体通知如下:


一、时间安排:   


2024年12月13日 — 2024年12月17日    杭州(同时转线上直播)

(13日报到发放上课材料,14日-17日上课)


二、参会对象:


各省市、自治区从事人工智能、自然语言处理、图像处理、视频处理、数据挖掘、无人机、无人车、无人艇、智慧城市、智慧医疗、智能装备、目标识别、轨迹规划、智慧交通等领域相关研究的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员,以及生成式AI、大模型研究感兴趣的广大爱好者。


三、培训专家:


北京理工大学教授,国家自然基金委项目函审专家、国家重点研发计划评审专家、科技部项目评审专家、北京市自然科学基金/重点基金评审专家、博士点基金/博士后基金评审专家,国际期刊NLPR主编,以及其它期刊编委。目前主要从事自然语言处理、机器学习、模式识别、生成式AI、大模型、多模态方面研究。


四、培训目标:


1.了解AIGC发展现状与核心技术。

2.掌握Transformer核心开发技术。

3.掌握向量数据库的工作原理、检索算法、主要开源数据库。

4.掌握大模型调用、微调方法。

5.掌握以GPT大语言模型为基础的工作原理。

6.掌握AIGC技术在跨模态领域的应用技术。

7.了解GPT提示工程和AIGC的安全标准。

8.掌握基于大模型的编程开发技术。

9.掌握扩散模型核心技术。

10.掌握Agent构建技术。


五、费用标准:


A类、5980元/人(含培训费、资料费、场地费、平台使用费、午餐费、A类证书费)。


B类、8980元/人(含报名费、培训费、资料费、场地费、平台使用费、考试费、午餐费、A类B类证书费)


注:住宿可统一安排,食宿费用自理


1、培训费由组织培训班的施教机构负责收取并提供培训发票。

2、5人以上9折优惠,8人以上8.8折优惠。

3、B类证书费不享受优惠。

4、参加线上、线下培训学员均可享受视频录播回放权益,及本人再次免费参加线下同主题课程学习权益。


六、颁发证书:


A类、参加相关培训并通过考核的学员,由北京龙腾亚太教育咨询有限公司颁发《生成式AI、大模型、多模态技术》培训结业证书。


B类、参加相关培训并通过考核的学员,由工业和信息化部教育与考试中心颁发《人工智能机器视觉应用》(高级)职业技能证书,可通过工业和信息化部教育与考试中心官方网站查询,并纳入工信部教育与考试中心人才库,该证书可作为有关单位职称评定、专业技术人员能力评价、考核和任职的重要依据。


注:报到时请提交电子版彩照(大于20KB,红蓝底皆可)、身份证复印件和学历证明复印件各一份。


七、注意事项:


1.指定报名邮箱:2196813614@qq.com。

2.报名成功后,会务组在报到前一周发具体报到通知及行车路线。

3.学员需自备能连网电脑一台。


八、具体课程安排:


课程大纲

科目

科目

联系方式

第一天上午

9:00-12:00下午 14:00-17:00

第一章 生成式AI技术发展

一、AI:从判别决策到创造生成

  1. 从经典机器学习到是深度学习

  2. 从Transformer到生成模型

二、生成式人工智能模型

  1. 生成对抗网络GAN

  2. 可变分自编码器VAE

  3. 自回归模型Auto-regression model

  4. 扩散模型Diffusion Model

三、AIGC技术及进展

  1. AIGC的定义和发展

  2. AIGC技术的分类

  3. AIGC技术框架

四、大模型

  1. 从ChatGPT到Sora的技术演进

  2. 大语言模型

  3. 视觉大模型

  4. 多模态大模型

第二章 AIGC技术在多模态领域的应用

一、AIGC在自然语言处理领域的应用

  1. 语义理解

  2. 内容生成

  3. 多轮会话

  4. 逻辑推理

二、AIGC在视频领域的应用

  1. 图像识别、检测与生成

  2. 视频理解与生成

  3. 3D生成

三、AIGC在视觉与音频生成领域的应用

  1. 图像识别、检测与生成

  2. 视频理解与生成

  3. 3D生成

  4. 各类场景语音生成

第二天 上午 9:00-12:00下午 14:00-17:00

第三章 Transformer

一、Transformer模型的基本架构

二、Self-Attention机制的原理与计算过程

三、Multi-Head Attention的设计与作用

四、Positional Encoding的实现方法

五、Rotary Positional Embedding

六、Transformer中的Feed-Forward Networks

七、Layer Normalization的原理

八、Transformer模型中的残差处理

九、Teacher Forcing技术

十、编码器与解码器的结构差异

十一、视觉Transformer

第四章 大语言模型微调与量化

一、模型微调

1、全量微调FFT

2、部分参数微调PEFT

3、Prompt微调

4、Prefix微调

5、LoRA等微调方法

6、大语言模型微调开发

二、模型量化

1、线性量化

2、非线性量化

3、饱和量化

4、非饱和量化

5、大语言模型微调量化开发

三、实例开发

1、大语言模型微调框架

2、大语言模型微调实例

第五章 AIGC技术

一、大语言模型技术原理

1、生成模型(扩散模型)

2、深度学习常用算法

3、人类反馈强化学习RLHF

4、典型大语言模型

二、提示工程

1、提示词的基础知识

2、思维链

3、提示词实操:明确具体任务、利用上下文、使用不同的语气、角色扮演、zero shot,one shot,few shot、零样本思维链提示、生成知识提示

三、AIGC的安全

1、内容安全

2、模型安全

3、用户信息安全

四、AIGC技术评价

1、AIGC标准体系

2、AIGC应用层标准

3、AIGC模型层标准

第三天上午9:00-12:00下午14:00-17:00

第六章 AIGC技术的记忆模块(向量数据库)

一、向量数据库概述

1、AIGC技术的记忆模块的功能和作用

2、向量数据库的功能与发展历程

3、各种向量数据库的对比

4、向量数据库发展展望

二、向量数据库技术

1、向量数据库原理

2、向量检索方法

3、向量数据库实操

第七章 大语言模型Agent

一、大语言模型开发框架

1、大语言模型开发框架

2、大语言模型开发框架的分层结构

3、大语言模型开发框架的模块与库函数

二、Agent

1、Agent工作原理

2、Agent模式

3、Agent开发步骤与工作流程

三、大语言模型Agent开发

1、大语言模型与Agent结合开发方式

2、大语言模型Agent开发实例

3、构建一个智能体

第四天上午

9:00-12:00下午14:00-17:00

第八章 扩散模型

一、前向扩散过程

二、反向生成过程

三、网格架构

四、参数化

五、采样方法

六、Stable Diffusion模型

七、Diffusion Transformer模型

第九章  CLIP

一、CLIP框架

二、对比预训练

三、数据集分类器创建

四、Zero-shot推理

五、提示词工程与集成

第十章 VAE

一、Autoencoder

二、VAE模型原理

三、重参化

四、VAE与AE的区别

五、Spacetime Latent Representation

第十一章  Sora训练

一、Sora训练流程

二、patchify——视频数据转换为图像块

三、Scaling Transformer生成

四、Latent转换为视频变量

开发环境

  1. 操作系统:Ubuntu

  2. 开发语言:Python

  3. 深度学习框架:Pytorch

  4. 大语言模型:几种国产开源大语言模型

  5. 大语言模型开源微调、Agent开源框架

注:整个环境可在局域网内部署,学员连接云服务器(GPU 80G 显存)实操。


来源:STEM与计算机方法
非线性化学电子python理论自动驾驶材料数字孪生人工智能无人机
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-12-13
最近编辑:3小时前
江野
博士 等春风得意,等时间嘉许。
获赞 49粉丝 50文章 318课程 0
点赞
收藏
作者推荐

光滑粒子流体动力学(SPH)最新研究进展

点击上方蓝字了解更多计算与STEM领域研究前沿文一: 使用平滑粒子流体力学和本构信息粒子动力学对流体-结构相互作用进行建模摘要:在本文中,我们提出了一种基于流体平滑粒子流体力学模型和最近开发的固体本构式知情粒子动力学模型的新型流固相互作用框架。我们开发了一种新的方法来耦合这些方法,以扩展流体-结构模拟框架,将固体中的裂纹扩展失效包括在内。模拟了几个基准问题,分别验证了流体和固体模型以及耦合模型。然后,我们应用这种耦合方法来模拟受流体冲击的缺口杆的脆性破坏。我们研究了障碍物高度和缺口位置等各种参数对其断裂的影响。 图:SPH 平滑核函数的一个示意图。 图:实体的参考和当前配置的表示。物体被离散化为粒子。 图:流体和固体模型的耦合。 图:溃坝后不同时间流体中压力轮廓的快照。 图:弹性板在不同时间步的快照。文二: 基于区域分解策略的多尺度平滑粒子流体力学摘要:本文提出了一种用于弱可压缩平滑粒子流体力学的多分辨率算法。所选择的方法基于域分解,将计算域细分为具有不同分辨率的区域。每个子问题都由适当的狄利克雷边界条件封闭,这些条件通过缓冲区强制执行,缓冲区由粒子填充,粒子的物理量是通过在相邻子域上插值获得的。该算法已在DualSPHhysics开源代码中实现,并通过一系列不同的研究案例进行了测试和验证。数值方案模拟多尺度流体流动的能力已经通过求解雷诺数为9500、最大和最小粒径之比等于28的圆柱体上的流动得到了证明此外,所提出的SPH多分辨率算法也可用于运动物体周围的流动,如横流中的振荡圆柱体,以及自由表面流动,如模拟三角形楔形物撞击静止液体的自由表面。 图:移动到流体域中的缓冲粒子被转化为流体粒子(过程1)。 图:粒子插入程序:在每个时间步,计算子域外边界的法向质量通量,并将其添加到质量累积点(红色方块)。 图:圆柱绕流的无量纲压力: (a) Re = 100和(b) Re = 200。 图:Re=1000时流过圆柱体的涡度轮廓。文三: 多孔介质中液体流动和固体变形耦合的一般平滑粒子流体力学(SPH)公式摘要:光滑粒子流体力学(SPH)方法最近被开发出来研究多孔材料中的耦合流动变形问题,与传统的基于网格的方法相比取得了相当大的成功,特别是在处理大变形和破坏后。然而,水力机械边界处理以及数值方案的准 确性和稳定性仍然存在计算挑战。结果表明,使用传统的SPH算子求解耦合问题可能会导致几个问题,包括数值不稳定、不准确、非物理粒子聚集以及边界附近的粒子无序。为了解决这些问题,本文提出了一种提高饱和/非饱和多孔材料精度的通用SPH方案。提出了一种改进的SPH渗流分析公式,可以准确预测多孔材料中的液体流动。开发了一种新的稳定技术,该技术结合了密度扩散项、改进的粒子移位算法和新的粘性阻尼项的使用,以进一步提高所提出方法的准确性、稳定性和鲁棒性。详细讨论了SPH中应力边界条件和水力边界条件的实现,如围压、水头、渗透/蒸发和潜在渗流面,使用壁边界粒子或自由表面域粒子。通过一系列基准实例验证了现有耦合框架的有效性。最终,将提出的模型应用于模拟堤坝因快速水位下降而发生的破坏过程。结果表明,本文提出的方法可以成为分析涉及大变形的多孔材料中耦合水力机械过程的有前景的工具。 图:(a)完全饱和(b)毛细管饱和(c)部分饱和的流动-变形耦合问题的典型例子。 图:多孔材料的多相连续模型。 图:使用(a)标准SPH进行降雨入渗模拟的垂直渗流量等值线图;(b) 核梯度校正。 图:通过颗粒移动进行改进:预测偏塑性应变和垂直渗流量(a)无颗粒移动和(b)有颗粒移动。 图:数值模拟与实验的表面位移比较:(a)破坏前,(b)破坏后。文四: 通过光滑粒子流体力学对3D混凝土打印中的挤压过程和层变形进行建模摘要:我们开发了一个计算框架来模拟3D混凝土打印(3DCP)中挤压和层变形的复杂过程。提出了一种新的二维(2D)虚拟打印方案,该方案能够直接预测横截面形状,将模拟从传统2D模型中固有的矩形喷嘴的约束中解放出来。所提出的方案准确地捕捉到了以前被传统二维模型忽略的显著横向变形。值得注意的是,通过引入结构化速率,首次考虑了时变屈服应力对层变形的影响。此外,为了利用避免网格生成和额外界面跟踪的优势,在提出的框架中配备了一种结合正则化Bingham模型的弱可压缩平滑粒子流体动力学(SPH)方法。模拟的横截面形状与实验结果具有很好的一致性,并且在各种喷嘴高度、打印速度和挤出速度下都优于现有的数值结果。我们对流变参数的探索表明,最终层变形受屈服应力的影响,而其变形率受塑性粘度的影响。所提出的虚拟打印框架成为提高打印过程可预测性和效率的有前景的工具。 图:(a) 实验室3DCP过程中的真实挤压过程;(b) 之前的2D模型只允许在打印方向上变形,只适用于矩形喷嘴;(c) 改进后的模型适用于任意喷嘴形状和横向变形。 图:(a) 使用核函数支持域中的粒子进行近似;(b) 虚拟粒子在边界上施加的排斥力。 图:M-I在0.6秒时流体颗粒的分布,包括(a)密度、(b)压力和(c)速度的分布。 图:新型二维模型的概念及其分析:(a)忽略流体沿打印方向的运动建立模型;(b) 印刷和流变参数的影响研究。文五: 利用平滑粒子流体力学多孔流模型模拟海岸植被的波浪动力学摘要:沿海植被是一种有效的基于自然的解决方案,可保护海岸线免受侵蚀和风暴潮的侵袭。详细了解波浪与植被之间的动态相互作用对于量化沿海植被在极端气候事件中的缓解潜力至关重要。本研究通过使用弱可压缩光滑粒子流体动力学 (WCSPH) 方法开发数值模型,研究波浪与沿海植被的动态相互作用。该模型通过将植被孔隙度、阻力和惯性力纳入动量方程来模拟植被的影响。通过整合特定背景点的孔隙度信息,SPH 插值方法有效地处理了流体和植被区域之间的界面,从而可以灵活地模拟各种植被布局,而无需明确模拟其固体结构,这在计算上是禁止的。使用基于实验室的测量和分析模型对涉及圆柱形和条带型植被的淹没和紧急场景的数值模型进行了验证。然后利用该模型研究植被作为海堤前的天然防线和改造解决方案的效果,以量化基于自然的解决方案在增强自然和混合沿海保护基础设施的气候适应力方面的性能。结果表明,冠层密度显著影响孤立波上升和能量耗散。对于本研究中测试的配置,与没有植被的模拟相比,高密度植被可将归一化波浪上升降低 52%,而低密度植被可实现 17% 的减少。这些发现证明了植被(特别是在较高密度下)减轻孤立波能量和减少上升危险的潜力。此外,模拟结果表明,使用植被作为改造解决方案可有效缓解溢流率,在森林密度最小(∅ = 0.023)的情况下实现 37% 的减少。这些结果强调了基于自然的干预措施在加强沿海保护和恢复力方面的有效性。 图:开发的SPH模型中考虑的不同区域的示意图,包括纯流体、过渡和多孔(植被)区域。 图:植被斑块内波浪计自由表面时间序列的比较。 图:灰色和混合防御的飞溅高度和累积波浪漫顶的比较。 图:不同植被改造密度下混合堤防平均漫顶流量的变化。来源:STEM与计算机方法

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈