行业背景提升实战项目
围绕具体问题完成实践，建立能展示、能解释个人贡献的项目经历。
以下为此类服务的一般说明，本项目的具体要求与内容请结合下方介绍确认。
哪些需求可以考虑这类服务？
- 学过理论或工具，但缺少从问题到成果的完整项目实践。
- 转专业、转岗位，希望建立与目标方向相关的技能与作品。
- 简历中的项目较薄弱，或尚不能清楚解释自己的工作与取舍。
为什么参加实战项目？
- 把学到的知识用于具体问题，练习分析、实现与复盘。
- 根据项目大纲形成可展示的成果，并梳理自己实际完成的部分。
- 练习讲清需求、方案选择、遇到的困难与解决过程，为求职表达积累素材。
如何判断是否适合自己？
不是每个人都需要再参加一个项目。如果你已有充分相关实践，可能更需要面试辅导。培训项目不自动等同于正式工作或实习经历，应如实描述。
项目成果、基础要求、授课形式与时间投入以本项目大纲为准；不同项目不统一承诺代码、报告或上线产品，也不统一采用 1 对 1 授课。
本项目适用人群
This bootcamp is suitable for students who are interested in the application of large language models. It can help students improve their project background and enhance their competitiveness for future study and career development in related fields.
你将收获
熟练掌握如何使用LLM和相关工具来搭建各种复杂的应用
完成6个LLM实战项目
项目对于DS / AI / MLE 方向的留学申请/求职会有相关背景的大幅度提升
你将学习的技能
使用RAG模式来实现复杂的LLM应用场景
通过构建AI Agent 来实现通用人工智能 (AGI)
课题介绍
In the era of artificial intelligence and large models, large language models (LLM) have become an indispensable tool, providing powerful support for various real-life application scenarios. From simple text classification to complex logical inference and code generation, LLM is changing the way we deal with problems. LLM can do much more than simple chat conversations like ChatGPT, and people are constantly exploring the potential of LLM. How to apply LLM to complex application scenarios and how to build an application based on LLM have become increasingly important skills. This project will focus on LLM applications and provide students with practical LLM project experience through a large number of practical tasks.
课程大纲
The bootcamp content mainly includes: introduction to LLM, completing simple tasks through Prompt Engineering, using RAG mode to realize complex LLM application scenarios, and realizing general artificial intelligence (AGI) by building AI Agent
1
LLM 入门：什么是LLM / GPT； LLM 应用场景介绍：Q&A, Chatbot, Agent, etc. LLM 的核心模型：Transformer & Self-Attention; BERT vs GPT
考察：代码练习
授课2小时; 学习3小时
2
通过指令让LLM完成指定任务 Prompt Engineering；In-context learning； Reasoning 实战练习1：Text classification using LLM
考察：代码练习
授课2小时; 学习3小时
3
搭建基于LLM的应用 生成/储存/查找 embedding：embedding model, VectorDB and Similarity Search 常用工具介绍：Langchain / PromptFlow RAG框架介绍，搭建基于RAG的应用 实战练习2: Text Embedding & Retrieval for large document 实战练习3: Build a chatbot using Langchain 实战练习4：Build a RAG-based Q&A system
考察：代码练习
授课2小时; 学习3小时
4
定制/微调LLM LLM模型的训练过程：Pre-training, Finetuning, Alignment LLM中重要的数学计算和实现代码 微调模型的技巧: PEFT, KV Cache, Fast attention, ... 实战练习5: Implement a transformer decoder block
考察：代码练习
授课3小时; 学习2小时
5
实战项目：Customize LLM for Q&A system 数据准备：把原始数据处理成大模型需要的形式 评估计算资源：根据模型大小和数据量计算需要的GPU和训练时间 训练模型：在预训练的LLM上使用LoRA进行微调 评估模型：评估模型生成文本的质量 部署和搭建应用：使用微调好的模型搭建一个Q&A system
考察：代码练习
授课3小时; 学习3小时
课程导师
常见问题
实战项目与学校作业有什么区别？
选择时重点比较问题场景、实践深度、导师反馈和成果要求，而不是只看名称。可结合本项目大纲，确认它能否补足现有课程作业尚未覆盖的能力。
已经有项目经历，还一定要报名吗？
不一定。先看现有项目与目标岗位的相关程度，以及你能否解释自己的贡献；若这些已经充分，面试准备或其他求职支持可能更适合。
实战项目可以写成企业实习吗？
培训项目与正式实习不是同一类经历。应按实际参与形式、工作内容和可核实的事实填写简历，不将培训项目包装成不存在的雇佣经历。
