让一部分企业先学到真知识!

李勇:以DeepSeek为代表的大模型AI赋能实战:从认知到落地研讨

李勇老师李勇 注册讲师 24查看

课程概要

培训时长 : 1天

课程价格 : 扫码添加微信咨询

课程分类 : 人工智能

课程编号 : 37201

面议联系老师

适用对象

企业中高层管理人员、业务部门负责人、数字化转型相关人员;

课程介绍

培训对象:企业中高层管理人员、业务部门负责人、数字化转型相关人员;

课程时间:1

课程背景:

本课程立足于当前AI大模型技术快速发展的宏观趋势,旨在解决企业管理者对AI认知不足、应用场景模糊、落地路径不清晰等核心问题。课程采用"认知-体验-设计-落地"的递进式教学方法,结合实操演示和分组讨论,帮助学员快速建立对企业AI赋能的系统认知,并掌握实用工具方法。

课程收益:

培训完结后,学员能够:

1. 准确理解大模型技术的核心能力边界和应用价值

2. 掌握AI在企业办公场景中的典型应用方法

3. 学会使用场景分解工具,识别企业AI应用机会

4. 理解企业AI部署的关键要素和实施路径

5. 掌握企业AI转型过程中的组织变革要点

课程大纲:

单元

大纲

内容

单元一

大模型技术能力解析

1. DeepSeek等大模型的核心能力图谱

1.1) 自然语言处理能力

1.2) 多模态理解与生成能力

1.3) 知识推理与决策能力

案例:DeepSeek在不同场景的应用示例

2. 大模型能力边界与局限性

2.1) 当前技术发展现状

2.2) 适用与不适用场景分析

2.3) 常见误区与风险提示

讨论课题:如何理性看待AI大模型能力?

单元二

企业AI办公场景实战

1. 文档与内容生成类场景

1.1) 高效公文写作演示

1.2) 营销文案智能生成

1.3) 会议纪要自动生成

实操演示:从0到1完成一份高质量商业提案

2. 数据分析与决策类场景

2.1) 数据分析报告生成

2.2) 销售用户画像分析

2.3) 业务复盘与总结优化

实操演示:快速生成数据分析洞察报告

单元三

企业AI场景设计工作坊

1. AI能力场景图谱

1.1) 文生文场景矩阵

1.2) 文生图应用场景

1.3) 文生视频创新应用

工具讲解:场景分解地图使用方法

2. 分组讨论与场景设计(实践环节)

2.1) 场景机会识别

2.2) 价值评估方法

2.3) 场景设计输出

成果展示:各组场景方案汇报与点评

单元四

企业级AI解决方案

1. 主流AI工具与平台介绍

1.1) 通用型AI平台能力对比

1.2) 垂直领域特色工具

1.3) 企业级定制化方案

案例:典型企业AI工具应用案例

2. 方案选型与集成应用

2.1) 需求场景与工具匹配

2.2) 多工具协同应用方法

2.3) 成本效益评估框架

实操演示:企业真实场景解决方案设计

单元五

企业AI部署实施路径

1. 企业AI部署关键考量

1.1) 数据安全与隐私保护

1.2) 技术架构选择

1.3) 投入产出评估方法

案例:某制造企业AI部署全流程解析

2. 实施路径规划

2.1) 分步实施策略

2.2) 风险管控要点

2.3) 效果评估体系

讨论课题:如何制定适合企业的AI部署节奏?

单元六

组织能力提升与流程再造

1. 员工能力提升体系

1.1) 关键岗位能力模型

1.2) 培训体系设计

1.3) 评估与激励机制

2. 流程优化与再造

2.1) 人机协同流程设计

2.2) 业务流程优化方法

2.3) 变革管理要点

案例:AI驱动的流程再造最佳实践

 

李勇老师的其他课程

• 李勇:数据驱动的AI客服转型:流程重塑与创新AI模型实践
培训对象:平安金服数据中心分析师、客服中心管理人员、业务流程优化专家、产品经理; 课程时间:1天 课程背景: 本课程立足于AI驱动的金融服务转型趋势,旨在解决客服运营效率低下、人力成本高企、服务体验不一致等痛点问题。通过数据分析与AI能力的深度结合,帮助学员重新思考和设计智能化客服流程。课程特点包括:实战案例驱动、数据分析实操、AI工具应用、流程重塑方法论的系统性学习。 课程收益: 培训完结后,学员能够: 1. 掌握AI大模型在客服场景中的应用边界和能力特征 2. 运用数据分析方法识别客服运营痛点和优化机会 3. 设计基于AI的新型客服流程和人机协作模式 4. 掌握Agent和RPA等技术在客服场景中的应用方法 5. 构建数据驱动的客服转型评估体系 课程大纲: 单元 大纲 内容 单元一 AI赋能客服转型概览 1. 智能客服发展趋势与挑战 1.1) 传统客服模式的局限性 1.2) AI技术在客服领域的应用现状 1.3) 金融行业智能客服转型案例 案例:某大型银行智能客服转型实践 2. AI大模型在客服场景中的能力边界 2.1) 自然语言理解与生成能力 2.2) 多轮对话管理能力 2.3) 知识图谱与推理能力 讨论课题:AI能否完全替代人工客服? 单元二 客服场景AI能力实战 1. 智能问答与咨询服务 1.1) 标准问题自动应答 1.2) 个性化咨询处理 1.3) 情绪识别与安抚 实操演示:AI客服处理复杂咨询场景 2. 业务办理与问题处理 2.1) 自动化业务办理流程 2.2) 异常情况识别与处理 2.3) 多部门协同处理机制 案例:金融产品咨询与办理全流程演示 单元三 数据驱动的客服优化 1. 客服数据分析方法论 1.1) 关键指标体系设计 1.2) 会话质量评估模型 1.3) 效率瓶颈识别方法 实操:使用AI工具进行客服数据分析 2. 分组讨论:数据洞察与优化方案(实践环节) 2.1) 数据分析工具使用 2.2) 客服等部门的数据低效环节识别 2.3) 客服等部门的AI优化方案设计 成果展示:各组优化方案汇报 单元四 低效环节的AI工具与解决方案 1. 智能客服技术栈 1.1) 对话式AI平台 1.2) 知识库管理系统 1.3) 流程自动化工具 实操:客服场景AI工具应用 2. 解决方案设计与实施 2.1) 场景化解决方案 2.2) 系统集成方案 2.3) 效果评估方法 案例:平安集团智能客服解决方案分析 单元五 智能客服优化流程及重塑 1. 人机协作流程设计 1.1) 任务分配原则 1.2) 人机交互界面设计 1.3) 例外处理机制 工具:流程重塑方法论与模板 2. 新流程落地实施 2.1) 变革管理策略 2.2) 员工培训体系 2.3) 效果评估体系 讨论:如何推动新流程落地? 单元六 技术实现路径 1. Agent技术应用 1.1) Agent框架选择 1.2) 业务规则配置 1.3) 系统集成方案 2. RPA等新技术与与AI集成应用 2.1) RPA场景识别 2.2) AI+RPA+其他工具协同 2.3) 实施路径规划 案例:智能坐席助手实现案例  
• 李勇:如何用AI重构物联网产品架构培训
培训对象:产品中心(总监、经理、主管)、运营中心管理人员、技术中心管理人员、对AI感兴趣的人士; 课程时间:2天 (12小时) 课程背景: 本课程主要是在AI技术迅猛发展的宏观趋势下,旨在解决学员如何将AI技术融入物联网产品,实现产品架构的重构与升级的问题。课程将深入探讨AI在物联网产品中的应用,以及面临的挑战和机遇,帮助学员全面提升对AI赋能物联网产品的认知和实践能力。课程具备系统性、前瞻性和实战性的特点。 课程收益: 培训目标: 受益一:全面了解AI技术的发展方向及其在物联网产品中的应用; 受益二:掌握AI技术对物联网产品架构的影响及重构方法; 受益三:熟悉数字化物联网产品全流程设计环节,并理解AI的融入对产品需求的影响; 受益四:了解AI赋能的物联网产品在各行各业的应用场景; 受益五:掌握AI物联网产品的商业逻辑设计方法; 受益六:了解如何保障AI物联网产品的数据安全和数据资产管理; 受益七:掌握AI赋能下的物联网产品运营和推广策略; 受益八:了解AI物联网产品中的交互设计体系; 受益九:展望AI+物联网及其他技术混合后的技术趋势和产品未来。 课程大纲: 单元 大纲 内容 单元一 AI技术发展方向及其在物联网中的应用 1 AI技术概述 1.1 AI的定义与发展历程 1.2 当前AI技术的核心领域 1.3 AI技术的未来发展趋势 案例:AI技术在各领域的前沿应用 2 AI在物联网中的应用 2.1 NLP大模型在物联网中的应用 2.2 ARVR技术在物联网中的应用 2.3 AI视觉在物联网中的应用 案例:某物联网企业利用AI技术提升产品体验的实践 讨论课题:你认为还有哪些AI技术可以应用于物联网产品中? 单元二 AI技术对物联网产品架构的影响 1 传统物联网产品架构的局限性 1.1 现有物联网产品架构的问题 1.2 传统架构难以满足的市场需求 2 AI技术对物联网产品架构的重构 2.1 AI技术如何改变物联网产品架构 2.2 基于AI的物联网产品架构优势 案例:某企业通过AI技术重构物联网产品架构的实践 讨论课题:你认为AI技术将如何进一步改变物联网产品的架构? 单元三 数字化物联网产品全流程设计 1 产品需求的本质 1.1 用户视角与场景视角的理解 1.2 产品需求的分析与挖掘 2 AI对物联网产品需求的影响 2.1 AI如何改变物联网产品的需求 2.2 基于AI的物联网产品需求新特点 案例:某物联网企业通过AI技术提升产品需求精准度的实践 讨论课题:如何确保物联网产品在加入AI技术后仍能满足用户需求? 单元四 AI赋能的物联网产品应用场景 1. 金融行业 1) 智能风控 2)智能投顾 3)网点智能化 2. 医疗行业 1) 远程医疗 2)智能医疗辅助3)健康管理 3. 零售业 1) 智能库存管理 2)智能货架 3)个性化推荐 4. 制造业 1) 预测性维护 2)智能制造 3)质量控制 5. 交通行业 1) 智能交通管理 2)自动驾驶 3)智能停车 6. 教育行业 1) 智慧校园 2)个性化教学 3)智能评估 7. 农业 1)精准农业 2)病虫害监测 3)智能温室 单元五 AI物联网产品的商业逻辑设计 1 用户视角与场景视角的商业逻辑构建 1.1 基于用户需求的商业逻辑设计 1.2 基于场景需求的商业逻辑设计 2 AI在物联网产品商业逻辑中的应用 2.1 AI如何优化物联网产品的商业逻辑 2.2 基于AI的物联网产品商业模式创新 案例:某物联网企业通过AI技术优化商业逻辑的实践 讨论课题:如何确保AI物联网产品的商业逻辑具有可持续性? 单元六 AI物联网产品的数据安全与数据资产管理 1 AI物联网产品的数据安全问题 1.1 数据安全的重要性与挑战 1.2 AI物联网产品中的数据安全策略 2 AI物联网产品的数据资产管理 2.1 数据资产的价值与管理方法 2.2 基于AI的物联网产品数据资产优化策略 案例:某物联网企业在AI产品中的数据安全管理实践 讨论课题:你认为如何平衡AI物联网产品的数据利用与数据安全? 单元七 AI赋能下的物联网产品运营和推广 1 AI赋能的物联网产品运营策略 1.1 基于AI的产品运营优化方法 1.2 AI在物联网产品用户留存与增长中的应用 2 AI赋能的物联网产品推广策略 2.1 基于AI的产品推广渠道与方法 2.2 AI在物联网产品市场推广中的创新应用 案例:某物联网企业通过AI技术优化产品运营与推广的实践 讨论课题:你认为AI技术将如何改变物联网产品的运营与推广模式? 单元八 AI物联网产品中的交互设计体系 1 交互设计在物联网产品中的重要性 1.1 交互设计对产品用户体验的影响 1.2 物联网产品中的交互设计原则 2 AI在物联网产品交互设计中的应用 2.1 AI如何优化物联网产品的交互设计 2.2 基于AI的物联网产品交互设计创新实践 案例:某物联网企业通过AI技术提升产品交互设计的实践 讨论课题:你认为未来AI将如何进一步改变物联网产品的交互设计? 单元九 AI+物联网及其他技术混合后的技术趋势发展和产品未来展望 1 AI+物联网的技术趋势分析 1.1 当前AI与物联网技术的融合现状 1.2 AI+物联网技术的未来发展趋势 2 AI+物联网产品的未来展望 2.1 基于AI+物联网的下一代产品创新方向 2.2 AI+物联网技术对产品市场的潜在影响 案例:前沿AI+物联网技术在产品中的创新应用实践 讨论课题:你认为未来AI+物联网技术将如何改变产品市场格局?  
• 李勇:全面剖析当下AIGC大模型原理
培训对象:产品中心,运营中心,技术中心,管理中心,客服中心等管理运营相关人士 课程时间:2天 (12小时) 课程背景: 随着大语言模型技术的出现,大模型技术势必会影响到各行各业,而真正让我们兴奋的却是,哪怕你不懂编程语言,也有机会去创造企业的大模型产品,而这种智能化的能力,是要远高于信息化和数字化的,所以,强烈建议每个职场人都学会认知大模型,理解大模型,并做好大模型的学习课程。 课程收益: 培训完结后,学员能够: ² 学习大模型的底层逻辑和本质。 ² 学习大模型中必须要掌握的API知识 ² 学习大模型中必须要掌握的RAG知识 ² 学习大模型中的工具栈 ² 学习和掌握fine-tuning的知识 ² 学习和掌握多模态知识框架 ² 学习和掌握大模型的产品和交付知识 ² 大模型实操练习解决企业问题 课程大纲:大模型基础篇2天 单元 大纲 内容 单元一 AI大模型技术概览 一.大模型的定义与特点 1.1 大模型的概念及发展历程 1.2 大模型的技术架构与核心原理 二.大模型与其他AI技术的比较 2.1 传统AI技术的局限性 2.2 大模型在数据处理、学习能力等方面的优势 三.AI大模型主流框架介绍 1.AI大模型的基本概念与分类 1.1 什么是AI大模型 1.2 AI大模型的分类与特点 2.主流AI大模型框架解析 2.1 框架一:Transformer 2.2 框架二:BERT 2.3 框架三:GPT系列 2.4 框架四:DeepSeek,CLUDE等模型系列 案例:不同框架在AI大模型构建中的应用对比 讨论课题:企业如何选择适合的AI大模型框架? 单元二 大模型中的PROMPT语言学习 认知:把AI当人看 原理: 1) LLM生成原理 2) 高质量PROMPT原理 实战工具: 1) 基本要素 2) 格式约束 3) 风格控制 4) 思维链,思维树以及自洽性 5) 指令调优 6) Coze等工具的使用 单元三 大模型中的API 认知:自然语言链接一切 原理:用微调提升prompt的稳定性 实战工具及要素: 1) 生成式API 2) 对话式API 3) Assistants AP| 4) Actions 5) Embeddings 6) Fine-tuning 7) FunctionCalling 单元四 大模型中的RAG 认知:从关键词搜索转为向量搜索 原理:Embeddings 实用工具: 1) 词向量 2) 句子向量 3) 篇章向量 4) 相似度计算 5) 向量数据库,向量模型,向量模型部署 单元六 大模型中的工具栈 认知: 1) 原生 API、LangChain和 SK 如何选型 2) 多框架组合开发 3) Prompt 和代码分离 4) 微软的SemanticPlugins 战略 原理:AGENT 实用工具: 1) js:LCEL,llm,chatmodel,prompttemplate 2)Semantic&Kernel: 3)Connectors,Plugins,Planners,SemanticFunctions 单元七: 大模型中的FINE-TUNING(预训练) 1.认知:微调仍是炼丹 2.原理:机器学习,大模型训练,微调 3.实战工具:求解器,损失函数,超参,过拟合/欠拟合 学习率 单元八 多模态中的大语言 认知:传统CV仍有价值 原理:特征对其 实战工具: VisionTransformer,CLIP,Q-Former,GPT-4V,Gemini LLaVA 图像生成模型:DM,SD,MJ,DALLE,LORA 单元九 大模型中的产品设计 1.认知:Copilot 模式vs. Agent 模式,产品经理调prompt 2.原理:商业逻辑,用户体验 3.实战工具:需求分析,生成式 AI 产品设计原则,Collaborative UX,draw.io,产品迭代,产品运营 业务沟通 单元十 大模型产品的交付 认知:向量型数据库选型原理 实战工具:GPU/云厂商选型,向量数据库选型,私有化部署,推理性能优化,高可用架构,内容安全,算法备案 单元十一 AI大模型的成本与适用场景 1.AI大模型的成本构成与分析 1.1 研发成本 1.2 部署成本 1.3 运维成本 2.AI大模型的适用场景探讨 2.1 语言处理场景 2.2 图像识别场景 2.3 其他应用场景 案例:某企业AI大模型在不同场景下的成本效益分析 讨论课题:如何根据成本效益选择适合的AI大模型应用场景? 单元十二 AI技术对目前工作的影响 1.AI技术对工作模式的变革 1.1 自动化与智能化水平的提升 1.2 工作流程的优化与重构 2.AI技术对职业技能的要求与挑战 2.1 新技能的学习与掌握 2.2 传统技能的转型与升级 3.AI技术在职场中的机遇与风险 案例:AI技术在某行业对工作模式的变革实践 讨论课题:如何应对AI技术对目前工作的影响? 课程中的实操: 单元 大纲 内容 第一天初级 初级练习:找出业务场景并用prompt+rpa解决 1. 帮助大家通过产品场景方法论导出更多的适合工作效率提升的场景 2. 帮助大家通过外部成熟的AI大语言工具利用好prompt进行业务场景的探讨和学习 3. 教给大家如何利用大模型中的prompt结合RPA办公机械臂更加高效的解决问题。 要求达到的成效:熟练使用prompt语言,打好Prompt基础。 第二天 中级 大模型RAG&AGENT输出 1. 教给大家学习和练习RAG知识库。 2. 根据具象的业务场景,帮助同学利用agent更高效的赋能业务场景 第三天 高级 大模型微调 1.利用云平台教给大家去实操大模型微调并上机练习  

添加企业微信

1V1服务,高效匹配老师
欢迎各种培训合作扫码联系,我们将竭诚为您服务