AIGC宣传体系

《设计类专业AIGC实战课》致力于学习Stable Diffusion（SD）在创意设计领域的广泛应用，为学生提供从基础原理到熟练操作的系统性、实践性的课程内容。在理实一体的课程中，学生将全面了解Stable Diffusion的基础知识与技术框架，理解并掌握文生图、图生图、ControlNet等各类插件应用的核心技术，并学会如何选用与训练Stable Diffusion模型。同时，本课程将引导学生运用Stable Diffusion工具完成一系列基础设计任务，如设计素材生成、风格迁移、图像修复、文生插画及模特换装等，帮助学生快速将理论知识转化为实际操作能力。

《专业知识库实践课》是一门综合性课程，旨在通过六个阶段性任务——实训准备、平台应用、文档数据处理、模型选择、发布应用以及测试与总结，引导学生深入理解和实践知识库的构建与应用。课程不仅涵盖了理论知识，还注重实践操作，使学生能够在实际操作中掌握知识库构建的关键技能。同时，课程提供了丰富的课程资料，以支持学生的学习过程，确保他们能够在学习中获得全面而深入的理解。通过这些精心设计的环节，学生将能够构建自己的知识库，为未来的学术研究或职业生涯打下坚实的基础。

《大模型应用框架》课程旨在为学生提供对大模型，特别是以GPT系列为代表的语言模型的全面理解，涵盖其定义、特性、技术原理及其广泛应用。从GPT的起源到最新的GPT-4，我们将探讨大模型如何通过海量数据和参数规模展现其独特能力。课程将覆盖多模态大模型的概念，展示它们如何整合文本、图像和声音等多种信息源，创造更加丰富和真实的人机交互体验。我们将深入研究大模型的训练与优化技术，包括scaling law（规模定律）、预训练与微调策略、强化学习以及偏好对齐方法。此外，还会介绍Long Token技术、网络量化和高效推理技巧，以及如何通过提示词工程和插件增强模型的实用性。

《深度学习工作流》课程专为渴望深入理解深度学习项目全流程的学生设计的实战型课程。我们将带领你从理论到实践，全面掌握深度学习项目的每一个关键环节，让你能够独立设计、实施和优化深度学习解决方案。课程将覆盖深度学习的基本原理，从数据获取与预处理开始，逐步深入到模型选择、训练与调优，直至最终的模型部署与维护。你将学习如何构建高效的神经网络架构，如何利用现代框架（如TensorFlow和PyTorch）加速开发流程，以及如何应对真实世界数据挑战。

《大模型技术概论》是一门专为希望掌握大语言模型（LLM）应用开发的学生设计的深入实践课程。本课程将带你从LangChain框架的基础入手，逐步探索其架构、功能，并最终实现一系列实用的LLM应用，包括翻译工具、对话机器人和更复杂的信息检索系统。课程内容覆盖了LangChain的关键组件，如Parser、Message、Prompt和LLM的交互机制，以及如何利用这些组件构建你的第一个LangChain应用——大模型翻译工具。你将学习如何处理多轮对话，利用ChatPromptTemplate创建流畅的对话体验，同时掌握RAG（Retrieval-Augmented Generation）技术，构建和查询向量数据库以增强模型的知识检索能力。