BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//AI聘 - ECPv5.10.0//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:AI聘
X-ORIGINAL-URL:https://aipin.io
X-WR-CALDESC:Events for AI聘
BEGIN:VTIMEZONE
TZID:America/Los_Angeles
BEGIN:DAYLIGHT
TZOFFSETFROM:-0800
TZOFFSETTO:-0700
TZNAME:PDT
DTSTART:20260308T100000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:-0700
TZOFFSETTO:-0800
TZNAME:PST
DTSTART:20261101T090000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260403T190000
DTEND;TZID=America/Los_Angeles:20260403T200000
DTSTAMP:20260605T101929
CREATED:20260330T141306Z
LAST-MODIFIED:20260330T141306Z
UID:13029-1775242800-1775246400@aipin.io
SUMMARY:大语言模型在生物学中的应用
DESCRIPTION:  \n————————————- \n主办方：数据应用学院 \n数据应用学院是北美首家集培训、项目实习和内推于一体的机构，我们的项目导向课程专注学员成果，并提供职业发展指导。感兴趣的小伙伴可以点击下面的链接，解锁更多专业技能： \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home \n数据科学家求职训练营精华课：https://study.dataapplab.com/course?courseid=dstraining \n商业分析师求职训练营精华课：https://study.dataapplab.com/course?courseid=ba-training
URL:https://aipin.io/event/llm-llm/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/03/大语言模型-在生物学中的应用.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/2317742626096/WN_ZbYu23RHRjeQYLPF6Xxlxg
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260409T190000
DTEND;TZID=America/Los_Angeles:20260409T200000
DTSTAMP:20260605T101929
CREATED:20260408T100412Z
LAST-MODIFIED:20260408T100412Z
UID:13036-1775761200-1775764800@aipin.io
SUMMARY:100天掌握大语言模型-第六周
DESCRIPTION:100 Days of LLM Mastery，从零基础到工程实战，系统掌握大语言模型的完整知识体系。 \n你是否有过这样的困惑？ \n大语言模型（LLM）席卷全球，ChatGPT、Claude、Gemini 改变了人机交互的方式。你看到身边越来越多的人在用 AI 解决实际问题，甚至开始构建自己的 AI 产品——而你，还在观望。 \n你也许读过不少碎片化的教程，却始终找不到一条清晰的成长路径。你知道Transformer，却说不清它的工作原理；你会调用 API，却不明白模型背后发生了什么；你想构建一个 RAG 系统，却不知从何下手。 \n那么这个系列讲座，就是为你而生。 \n课程简介 \n「100天掌握大语言模型」是一套系统化的中英双语讲座课程，历时 100 天，从机器学习基础到 LLM 工程实战，帮助你建立完整的大模型知识体系，并最终独立完成一个可展示的工程级 AI 项目。 \n课程不依赖任何单一框架，而是聚焦底层原理与工程思维，让你真正理解模型，而不只是会调用 API。 \n课程路线图： \n五大阶段 · 循序渐进 · 知行合一 \n第一阶段：基础篇 Day 1–20 机器学习回顾 · NLP 基础 · Transformer 原理\n从线性回归到神经网络，从 Word2Vec 到 BERT，用 20 天夯实你的理论地基。亲手在小规模数据上训练一个 Transformer，真正读懂《Attention Is All You Need》这篇改变 AI 世界的论文。 \n第二阶段：核心技术篇 Day 21–50 预训练 · 微调 · 评估 · 安全\n深入 LoRA、QLoRA 等参数高效微调方法，掌握 RLHF 对齐技术，理解幻觉、偏见、越狱等安全问题。动手微调 BERT，完成真实情感分析任务。 \n第三阶段：应用与系统篇 Day 51–80 Prompt 工程 · RAG · 智能体 · 部署\n构建 RAG 聊天机器人，搭建 LangChain Agent，掌握 llama.cpp 本地推理与云端部署。从原型到生产，打通 LLM 应用的全链路。 \n第四阶段：高级主题 Day 81–90 MoE · 模型蒸馏 · 多模态 · Constitutional AI\n探索混合专家模型、多模态大模型（文本+图像）以及更前沿的 AI 对齐方法，跟上行业最新进展。 \n第五阶段：毕业项目 Day 91–100 选题 · 实现 · 展示\n从客服聊天机器人、求职助手、加密资产分析到 AI 教学辅导系统，选择一个方向，完成可运行 Demo + 技术博客 + GitHub 仓库，作为你 AI 工程能力的最佳证明。 \n适合谁来学？ \n✅ 有一定 Python 基础，希望系统入门大模型的工程师或学生\n✅ 已经会用 LLM API，想深入理解原理和工程细节的开发者\n✅ 对 AI 充满热情，想在 100 天内完成一次技术跨越的学习者\n✅ 希望在简历上增加一个真实 AI 项目的求职者 \n完成课程后，你将收获： \n· 完整的 LLM 知识体系，从理论到工程缺一不可\n· 扎实的动手能力：微调模型、构建 RAG、部署应用\n· 一份展示在 GitHub 上的工程级毕业项目\n· 读懂最新 AI 论文的能力，跟上行业前沿 \n100天，从今天开始！大语言模型时代，最好的入场时机永远是现在。 \n  \n————————————- \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/llm-6-2/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/04/6-2.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260416T190000
DTEND;TZID=America/Los_Angeles:20260416T200000
DTSTAMP:20260605T101929
CREATED:20260413T104647Z
LAST-MODIFIED:20260414T085830Z
UID:13049-1776366000-1776369600@aipin.io
SUMMARY:100天掌握大语言模型-第七周
DESCRIPTION:“2021年，对一个650亿模型进行微调需要企业级GPU集群。而到了2025年，一块A100就能完成这项工作——消费级RTX 4090甚至可以对70亿模型进行微调。PEFT技术让这一切成为可能。本次课程将详细讲解其原理。”\n\n\n\n问题在于：对于大多数从业者来说，全面的微调功能已经失效。 \n正是这套计算方法阻碍了大多数团队对大型语言模型进行微调。一个使用 FP16 编码的 70 亿参数模型，仅权重就需要 14 GB 内存。加上梯度：再加 14 GB。加上 Adam 优化器状态：56 GB。加上激活值：大约 8 GB。总计：大约需要 92 GB 的 GPU 显存——这超过了单个 80GB A100 显卡所能提供的显存。对于一个 700 亿参数的模型，这个数字还要乘以 10。 \n全面微调不仅成本高昂，对于大多数在超大规模数据中心基础设施之外工作的从业者来说，更是难上加难。这就是内存瓶颈——也是 PEFT 存在的意义所在。 \n\n\n\n约 92 GB \n完全微调 7B 型号所需的显存（比单个 A100 的显存要多）\n0.08% \nLoRa训练的参数数量——但仍能达到95-99%的完整微调性能\n约65倍 \n与 65B 型号的全面微调相比， QLoRA所需的 VRAM 更少\n\n\n\n  \n\n\n\n演示文稿中的关键见解：PEFT 将可训练参数减少到 0.01%–1%，同时保留 95%–99% 的完全微调性能——这是实际 LLM 工程的范式转变。\n\n\n\n45分钟内你将学到什么 \n第 7 周涵盖了完整的 PEFT 堆栈：为什么内存墙使得完全微调不切实际，三种参数高效方法，每种方法背后的数学原理，以及为您的场景选择正确方法的清晰决策框架。 \n\n\n\n为什么是PEFT？记忆墙 \n70亿次微调所需的GPU内存计算如下：14GB权重 + 14GB梯度 + 56GB Adam状态 + 8GB激活值 = 总计约92GB。为什么即使是A100的80GB显存也不够用——以及PEFT如何用少10到100倍的显存解决这个问题。\n三个 PEFT 家庭 \n低秩分解（ LoRA及其变体： DoRA 、 LoftQ 、 LoRA +）、瓶颈适配器（Adapter、 AdapterDrop 、Compacter）和软提示方法（Prefix Tuning、Prompt Tuning、P-Tuning v2）。包含每种方法的公式。\n\n\n\n  \n\n\n\nLoRA深度解析 \n核心方程 W = W0 + BA，所有变量均已定义，计算得出参数缩减率达 99.6%（当 d=k=4096，r=8 时，参数从 16.8M 减少到 65.5K）。目标权重矩阵为（ Wq / Wk / Wv 为必需，Wo 为推荐）。排序选择指南：r=4，r=8，r=16–64。\n量化 + QLoRA \nFP32 → FP16 → INT8 → INT4 显存对比。NF4（4 位正态浮点数）——为何它在处理正态分布权重时优于标准 INT4。QLoRA的三大创新：NF4、双量化和分页优化器。在单个 48 GB GPU 上对 650 亿次LLaMA进行了微调。\n\n\n\nPEFT 的四种方法——并排比较 \n本次课程将介绍四种实用的适应策略，这些策略直接取自第16页幻灯片上的对比表格。以下是您将从每种策略中了解到的内容： \n\n\n\n1\n全面微调（基准）——更新所有 100% 的参数。性能上限最高。70 亿字节需要约 92 GB 显存。每个任务需要一份完整的 14 GB 模型副本。在任何标准硬件上，1000 亿字节以上的任务都无法实现。\n\n\n\n  \n\n\n\n2\nLoRa——行业默认方案——冻结骨干网。添加低秩矩阵对B和A。仅更新0.1%至1%的参数。训练完成后，将ΔW = BA合并，以实现零推理延迟。N个任务=N个小文件，共享一个14GB的骨干网。\n\n\n\n  \n\n\n\n3\n适配器调优——多任务专家——在每个 FFN 后插入瓶颈 MLP 模块： h_out = h + f( h· W_down )· W_up 。一个冻结的主干网 + N 个小型适配器集（每个 2–8 MB）。无法像LoRa那样合并——会增加约 3–10毫秒的延迟。非常适合同时处理 50 个以上任务的情况。\n\n\n\n  \n\n\n\n4\nQLoRA——消费级GPU微调——将基础模型量化为NF4（4位）。冻结模型。在BF16中训练LoRa适配器。结果：在1×A100 80GB显存上对650亿LLaMA模型进行了微调，峰值显存占用41GB。对同一模型进行完整微调需要超过500GB的显存。\n\n\n\n  \n\n\n\n经验法则：对于 90% 的生产环境微调任务， LoRA r=8 在Wq / Wk / Wv / Wo 上是正确的默认值。从这里开始。只有在有特殊原因时才需要更改：例如使用消费级 GPU（→ QLoRA ）或同时处理多个任务（→ 适配器）。\n\n\n\n  \n谁应该参加 \n  \n\n\n\n机器学习工程师\nLoRA 、适配器和QLoRA 的开源 LLM 进行微调，以及入门的实用方法。\n\n\n\n  \n\n\n\n数据科学家\n对于那些希望将基础模型应用于特定领域任务，但又无法使用多GPU基础设施的用户来说，PEFT 可以在单个GPU上实现这一目标。\n\n\n\n  \n\n\n\n人工智能产品经理\n在规划 LLM 产品功能时，谁需要了解微调方法之间的工程权衡——性能、成本、延迟、存储。\n\n\n\n  \n\n\n\n软件工程师\n集成 LLM API，以便了解为什么LoRA微调模型与基础模型的行为不同，以及如何评估权衡取舍。\n\n\n\n  \n\n\n\n研究人员\n在 LLM 的基础上构建，适用于需要最高效的参数自适应策略以适应其计算预算的学术或应用项目。\n\n\n\n  \n\n\n\n系列中的所有人\n第 7 周衔接了微调理论（第 5 周）和对齐（第 10 周：RLHF）。它也是任何严肃的 LLM 应用流程的工程基础。\n\n\n\n  \n第 7 周在整个系列中的核心位置 \n第 7 周是本系列课程的实践工程核心。第 1-6 周构建了概念基础：什么是 LLM，如何进行预训练以及如何进行调整。第 7 周解答了每个从业者最终都会提出的问题：“是的，但是我该如何微调一个我能负担得起运行成本的模型呢？” \n100 Days of LLM Mastery，从零基础到工程实战，系统掌握大语言模型的完整知识体系。 \n你是否有过这样的困惑？ \n大语言模型（LLM）席卷全球，ChatGPT、Claude、Gemini 改变了人机交互的方式。你看到身边越来越多的人在用 AI 解决实际问题，甚至开始构建自己的 AI 产品——而你，还在观望。 \n你也许读过不少碎片化的教程，却始终找不到一条清晰的成长路径。你知道Transformer，却说不清它的工作原理；你会调用 API，却不明白模型背后发生了什么；你想构建一个 RAG 系统，却不知从何下手。 \n那么这个系列讲座，就是为你而生。 \n  \n课程简介 \n「100天掌握大语言模型」是一套系统化的中英双语讲座课程，历时 100 天，从机器学习基础到 LLM 工程实战，帮助你建立完整的大模型知识体系，并最终独立完成一个可展示的工程级 AI 项目。 \n课程不依赖任何单一框架，而是聚焦底层原理与工程思维，让你真正理解模型，而不只是会调用 API。 \n课程路线图： \n五大阶段 · 循序渐进 · 知行合一 \n第一阶段：基础篇 Day 1–20 机器学习回顾 · NLP 基础 · Transformer 原理\n从线性回归到神经网络，从 Word2Vec 到 BERT，用 20 天夯实你的理论地基。亲手在小规模数据上训练一个 Transformer，真正读懂《Attention Is All You Need》这篇改变 AI 世界的论文。 \n第二阶段：核心技术篇 Day 21–50 预训练 · 微调 · 评估 · 安全\n深入 LoRA、QLoRA 等参数高效微调方法，掌握 RLHF 对齐技术，理解幻觉、偏见、越狱等安全问题。动手微调 BERT，完成真实情感分析任务。 \n第三阶段：应用与系统篇 Day 51–80 Prompt 工程 · RAG · 智能体 · 部署\n构建 RAG 聊天机器人，搭建 LangChain Agent，掌握 llama.cpp 本地推理与云端部署。从原型到生产，打通 LLM 应用的全链路。 \n第四阶段：高级主题 Day 81–90 MoE · 模型蒸馏 · 多模态 · Constitutional AI\n探索混合专家模型、多模态大模型（文本+图像）以及更前沿的 AI 对齐方法，跟上行业最新进展。 \n第五阶段：毕业项目 Day 91–100 选题 · 实现 · 展示\n从客服聊天机器人、求职助手、加密资产分析到 AI 教学辅导系统，选择一个方向，完成可运行 Demo + 技术博客 + GitHub 仓库，作为你 AI 工程能力的最佳证明。 \n适合谁来学？ \n✅ 有一定 Python 基础，希望系统入门大模型的工程师或学生\n✅ 已经会用 LLM API，想深入理解原理和工程细节的开发者\n✅ 对 AI 充满热情，想在 100 天内完成一次技术跨越的学习者\n✅ 希望在简历上增加一个真实 AI 项目的求职者 \n完成课程后，你将收获： \n· 完整的 LLM 知识体系，从理论到工程缺一不可\n· 扎实的动手能力：微调模型、构建 RAG、部署应用\n· 一份展示在 GitHub 上的工程级毕业项目\n· 读懂最新 AI 论文的能力，跟上行业前沿 \n100天，从今天开始！大语言模型时代，最好的入场时机永远是现在。 \n  \n————————————- \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/llm-7/
CATEGORIES:直播讲座
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260417T190000
DTEND;TZID=America/Los_Angeles:20260417T200000
DTSTAMP:20260605T101929
CREATED:20260413T104523Z
LAST-MODIFIED:20260414T085128Z
UID:13046-1776452400-1776456000@aipin.io
SUMMARY:六个月转行大语言模型开发工程师
DESCRIPTION:过去十年，互联网改变了世界；而未来十年，大语言模型（LLM）将重新定义一切。从 OpenAI 的 GPT 系列，到 Google 的 Gemini，再到开源阵营如 Meta 的 Llama，DeepSeek大模型技术正以前所未有的速度渗透到各行各业。 \n现在，是进入这个赛道的最佳时机。但问题是“如何在6个月内，从普通SDE工程师/数据分析师/零基础，转型成为 LLM 开发工程师？ \n我们给你答案， 项目介绍：LLM工程师训练营（6个月体系化培养）。 \n本训练营基于完整产业需求设计，结合真实企业项目经验，帮助你： \n✅ 从基础到实战，系统掌握大模型开发\n✅ 打造属于自己的AI项目作品\n✅ 获得就业、实习、科研多重机会 \n课程总计： \n– 80节课程（64小时直播 + 16次答疑）\n-️ 项目驱动 + 工业级实践\n– 提供推荐信 + 技能认证 + 就业支持 \n六个月你将学到什么？ \n我们将完整覆盖 LLM 工程师核心能力体系： \n第一阶段：大模型基础（打牢根基） \n· Transformer 架构深入解析\n· Token / Embedding / Attention 原理\n· 主流模型生态（GPT / Llama / Gemini / DeepSeek） \n– 从“会用AI”进阶到“理解AI” \n第二阶段：核心应用技术（最关键） \n· Prompt Engineering（提示词工程）\n· RAG（企业知识库核心技术）\n· Fine-Tuning（模型微调）\n· LLM Agent（智能体系统） \n– 这是企业最需要的能力，也是面试高频考点 \n第三阶段：系统设计（拉开差距） \n· LLM SaaS 架构设计\n· 推理优化 / 部署 / scaling\n· 云计算 + AI系统结合 \n– 从“写代码的人”升级为“系统设计者” \n第四阶段：工程框架实战 \nLangChain / LangGraph 架构实践\nHugging Face 模型部署与微调\nAPI调用与应用开发\n– 直接对标企业开发环境 \n第五阶段：项目与实战（决定offer） \n构建完整 LLM 应用（可写进简历）\n企业真实案例解析\nAI安全 / 偏差 / 工程最佳实践 \n– 让你真正具备“可雇佣能力”\n– 为什么你必须现在转向 LLM？ \n就业红利窗口期（极其关键） \n当前市场现状： \n· LLM岗位需求爆发\n· 人才供给严重不足\n· 薪资远高于传统开发岗位 \n– 早进入 = 低竞争 + 高回报 \nAI正在重构所有行业\n· 电商 → AI客服 + 推荐系统\n· 金融 → AI风控 + 智能投研\n· 教育 → AI导师 + 个性化学习\n· 游戏 → AI NPC + 内容生成 \n– 不懂 LLM，未来将被淘汰 \n创业机会爆发\nLLM 是近10年最好的创业赛道之一： \n· AI SaaS\n· AI Agent\n· AI工具产品 \n– 你甚至可以在课程中做出第一个AI产品 \n– 训练营10大核心优势 \n– 就业推荐 + 内推机会\n– 提供AI实习机会\n– 支持创业 + AI孵化器资源\n– 工业级项目实践\n– 推荐信（申请研究生/博士）\n– 技能认证（企业认可）\n– 论文发表机会\n– 高端人脉圈（AI同行）\n– 可开发自己的AI产品\n– 可提供报销单据（公司付费学习） \n– 学员成果（真实数据） \n– 2024–2025 届： \n· 80% 进入 AI / 数据相关岗位\n· 多名学员进入美国顶级高校博士项目 \n– 我们不仅教知识，更帮你改变人生路径 \n– 适合人群 \n✔ 软件工程师（转AI方向）\n✔ 数据分析师 / 数据科学家\n✔ 想进入AI行业的学生\n✔ 想创业的技术人才\n✔ 对AI感 \n————————————- \n主办方：数据应用学院 \n数据应用学院是北美首家集培训、项目实习和内推于一体的机构，我们的项目导向课程专注学员成果，并提供职业发展指导。感兴趣的小伙伴可以点击下面的链接，解锁更多专业技能： \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home \n数据科学家求职训练营精华课：https://study.dataapplab.com/course?courseid=dstraining \n商业分析师求职训练营精华课：https://study.dataapplab.com/course?courseid=ba-training
URL:https://aipin.io/event/6-llm/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/04/六个月转行大语言模型开发工程师-1.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/2617742628056/WN_1f5MO4xKTDuYaYEfV_vPsQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260423T190000
DTEND;TZID=America/Los_Angeles:20260423T200000
DTSTAMP:20260605T101929
CREATED:20260420T094444Z
LAST-MODIFIED:20260420T095258Z
UID:13058-1776970800-1776974400@aipin.io
SUMMARY:100天掌握大语言模型-第八周：代码演示 LoRA in Python
DESCRIPTION:“大多数 PEFT 教程都止步于公式。本教程从公式开始，最终呈现一个经过训练的LoRa适配器，该适配器将在真实输出上实时运行，并根据实际输出进行评估。您可以在Colab notebook 中 fork 并自行运行该适配器。”\n\n\n\nLoRa和实际运行LoRa之间的差距 \n第七周构建了概念基础：PEFT 是什么，为什么内存墙使得完全微调不切实际， LoRa的数学原理，以及在LoRa 、适配器和QLoRa之间进行选择的决策框架。第八周弥合了实现方面的差距。 \n从业者学习 PEFT 的过程存在一个共同的模式。他们理解概念——冻结骨干网络，添加低秩矩阵 B 和 A，只训练这些矩阵，最后合并模型。他们能够理解公式 W = W0 + BA。但是，当他们真正开始在模型上运行LoRA时，却会遇到一系列实际问题：选择哪个库？哪些参数重要？ LoRA应该针对模型的哪些层？如何判断训练是否收敛？好的微调输出和坏的微调输出有什么区别？如何评估适配器是否真的有所改进？ \n第 8 周将通过网络研讨会现场运行 Python 代码，在真实模型和真实任务上解答所有这些问题——您可以并排比较训练前后的输出结果。 \n谁应该参加 \n\n\n\n机器学习工程师\nLoRA 、适配器和QLoRA 的开源 LLM 进行微调，以及入门的实用方法。\n\n\n\n  \n\n\n\n数据科学家\n对于那些希望将基础模型应用于特定领域任务，但又无法使用多GPU基础设施的用户来说，PEFT 可以在单个GPU上实现这一目标。\n\n\n\n  \n\n\n\n人工智能产品经理\n在规划 LLM 产品功能时，谁需要了解微调方法之间的工程权衡——性能、成本、延迟、存储。\n\n\n\n  \n\n\n\n软件工程师\n集成 LLM API，以便了解为什么LoRA微调模型与基础模型的行为不同，以及如何评估权衡取舍。\n\n\n\n  \n\n\n\n研究人员\n在 LLM 的基础上构建，适用于需要最高效的参数自适应策略以适应其计算预算的学术或应用项目。\n\n\n\n  \n上一周的回忆 \n第 7 周涵盖了完整的 PEFT 堆栈：为什么内存墙使得完全微调不切实际，三种参数高效方法，每种方法背后的数学原理，以及为您的场景选择正确方法的清晰决策框架。 \n\n\n\n为什么是PEFT？记忆墙 \n70亿次微调所需的GPU内存计算如下：14GB权重 + 14GB梯度 + 56GB Adam状态 + 8GB激活值 = 总计约92GB。为什么即使是A100的80GB显存也不够用——以及PEFT如何用少10到100倍的显存解决这个问题。\n三个 PEFT 家庭 \n低秩分解（ LoRA及其变体： DoRA 、 LoftQ 、 LoRA +）、瓶颈适配器（Adapter、 AdapterDrop 、Compacter）和软提示方法（Prefix Tuning、Prompt Tuning、P-Tuning v2）。包含每种方法的公式。\n\n\n\n  \n\n\n\nLoRA深度解析 \n核心方程 W = W0 + BA，所有变量均已定义，计算得出参数缩减率达 99.6%（当 d=k=4096，r=8 时，参数从 16.8M 减少到 65.5K）。目标权重矩阵为（ Wq / Wk / Wv 为必需，Wo 为推荐）。排序选择指南：r=4，r=8，r=16–64。\n量化 + QLoRA \nFP32 → FP16 → INT8 → INT4 显存对比。NF4（4 位正态浮点数）——为何它在处理正态分布权重时优于标准 INT4。QLoRA的三大创新：NF4、双量化和分页优化器。在单个 48 GB GPU 上对 650 亿次LLaMA进行了微调。\n\n\n\nPEFT 的四种方法——并排比较 \n本次课程将介绍四种实用的适应策略，这些策略直接取自第16页幻灯片上的对比表格。以下是您将从每种策略中了解到的内容： \n\n\n\n1\n全面微调（基准）——更新所有 100% 的参数。性能上限最高。70 亿字节需要约 92 GB 显存。每个任务需要一份完整的 14 GB 模型副本。在任何标准硬件上，1000 亿字节以上的任务都无法实现。\n\n\n\n  \n\n\n\n2\nLoRa——行业默认方案——冻结骨干网。添加低秩矩阵对B和A。仅更新0.1%至1%的参数。训练完成后，将ΔW = BA合并，以实现零推理延迟。N个任务=N个小文件，共享一个14GB的骨干网。\n\n\n\n  \n\n\n\n3\n适配器调优——多任务专家——在每个 FFN 后插入瓶颈 MLP 模块： h_out = h + f( h· W_down )· W_up 。一个冻结的主干网 + N 个小型适配器集（每个 2–8 MB）。无法像LoRa那样合并——会增加约 3–10毫秒的延迟。非常适合同时处理 50 个以上任务的情况。\n\n\n\n  \n\n\n\n4\nQLoRA——消费级GPU微调——将基础模型量化为NF4（4位）。冻结模型。在BF16中训练LoRa适配器。结果：在1×A100 80GB显存上对650亿LLaMA模型进行了微调，峰值显存占用41GB。对同一模型进行完整微调需要超过500GB的显存。\n\n\n\n————————————- \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/llm-8-lora/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/04/100天掌握大语言模型-8.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260424T190000
DTEND;TZID=America/Los_Angeles:20260424T200000
DTSTAMP:20260605T101929
CREATED:20260420T095128Z
LAST-MODIFIED:20260420T095128Z
UID:13060-1777057200-1777060800@aipin.io
SUMMARY:深入探讨大语言模型的安全问题
DESCRIPTION:为何每一位AI工程师现在都必须理解LLM安全? \n人工智能已不再仅仅是一个研究课题——它现已深度嵌入现代商业的核心之中。从AI 副驾驶（Copilots）和聊天机器人，到自主智能体（Agents）和企业知识系统，大型语言模型（LLMs）正在彻底改变我们构建软件、制定决策以及与数据交互的方式。然而，随着其应用加速普及，一个关键问题随之浮出水面：这些系统真的安全吗？在LLMs令人惊叹的能力背后，潜藏着一个正在迅速扩大的攻击面——而大多数开发者、产品经理，甚至连AI工程师，都尚未做好充分的准备来应对它。正因如此，我们特此举办一场专题网络研讨会： \n深入探究大型语言模型的安全问题 – LLM系统潜藏的风险 \n与传统的软件系统不同，LLMs 引入了全新类别的安全挑战： \n* 仅仅通过一个简单的 Prompt（提示词），就能改写系统的既定行为\n* 敏感数据可能会被从模型的响应内容中提取出来\n* 外部文档可能会在无声无息中 注入恶意指令\n* AI 智能体可能会执行未经授权的现实世界操作 \n这些绝非纸上谈兵的理论风险——它们正真实地发生在我们身边。那些正在部署基于 LLM的系统的组织，如今已面临着以下挑战： \n* 提示词注入攻击（Prompt Injection）\n* 数据泄露事件\n* 绕过安全控制（Jailbreaking）\n* RAG管道操纵攻击\n* AI智能体对API和工具的滥用 \n你将从本次研讨会中学到什么？ \n本次研讨会旨在超越浅层探讨，为您提供对LLM安全领域深入且具备技术深度的理解。你将学到： \n1. LLM（大型语言模型）威胁概览 \n* 为何 LLM 在本质上与传统系统截然不同\n* 由提示词（Prompts）、记忆机制和工具引入的全新攻击面\n* AI 系统故障的真实案例 \n2. 核心攻击技术 \n* 提示词注入（Prompt Injection）与“越狱”（Jailbreaking）\n* 数据提取与隐私泄露\n* RAG 投毒与检索操纵\n* 对抗性输入与编码攻击 \n3. AI 智能体（Agents）中的安全风险 \n* LLM 如何与 API 及外部工具进行交互\n* 自主决策带来的风险\n* 未经授权操作的真实场景 \n4. 防御策略与安全架构 \n* 如何设计安全的LLM应用\n* 安全护栏（Guardrails）、内容过滤与策略强制执行\n* 监控、日志记录与实时攻击检测\n* 领先AI公司采用的最佳实践 \n本次网络研讨会专为以下人群打造： \n* AI / LLM工程师\n* 数据科学家\n* 后端与全栈开发人员\n* 负责 AI 功能的产品经理\n* 正在构建 AI 产品的初创企业创始人 \n加入我们，如果你希望： \n* 深入理解LLM系统可能遭受的攻击方式\n* 学习如何为你的AI应用构建防御体系\n* 在瞬息万变的AI领域中保持领先地位 \n————————————- \n主办方：数据应用学院 \n数据应用学院是北美首家集培训、项目实习和内推于一体的机构，我们的项目导向课程专注学员成果，并提供职业发展指导。感兴趣的小伙伴可以点击下面的链接，解锁更多专业技能： \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home \n数据科学家求职训练营精华课：https://study.dataapplab.com/course?courseid=dstraining \n商业分析师求职训练营精华课：https://study.dataapplab.com/course?courseid=ba-training
URL:https://aipin.io/event/llm-jailbreaking/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/04/深入探讨大语言模型的安全问题.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/9117742628907/WN_c4gk-ddzTg6B_KwPF2JNLA
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260430T190000
DTEND;TZID=America/Los_Angeles:20260430T200000
DTSTAMP:20260605T101929
CREATED:20260430T005352Z
LAST-MODIFIED:20260430T005352Z
UID:13071-1777575600-1777579200@aipin.io
SUMMARY:100天掌握大语言模型-第九周：如何判断你的LLM是否真的有用？
DESCRIPTION:“你在LLM看到的每一个指标都只是质量的替代指标，而不是质量本身。第九周会教你哪些替代指标值得信赖，哪些指标会欺骗你，以及如何区分它们。”\n\n\n\n  \n45分钟内你将学到什么 \n大多数从业者都知道各种评估指标的名称。但很少有人理解为什么 BLEU 不适用于开放式问题生成，为什么困惑度在不同的分词器中毫无意义，或者为什么在基准测试中获得 90% 分数的模型可能过于自信，存在安全隐患。本次课程将弥补这些知识空白。 \n  \n\n\n\n内在指标 \n困惑度：它实际衡量的是什么，以及为什么不能在不同的分词器之间进行比较。BLEU：n-gram 精确度计算的详细步骤，以及为什么它在任何包含释义的任务中都会失效。ROUGE：所有四种变体（R-1、R-2、RL、RS）及其示例，以及为什么必须始终报告所有三种变体的结果。\n语义度量 \nBERTScore ：使用上下文嵌入的精确率、召回率和 F1 值计算公式。为什么“automobile”和“car”在 BLEU 上的得分接近于零，但在BERTScore上却能达到 0.94 ？ MoverScore和 BLEURT：何时使用它们以及计算量与相关性之间的权衡。\n\n\n\n  \n\n\n\n基准测试套件 \nGLUE、 SuperGLUE 、MMLU——它们分别测试什么、当前最先进的性能指标，以及为什么每个基准测试最终都会饱和（古德哈特定律的体现） 。HumanEval pass@k用于代码测试，MT-Bench 和AlpacaEval用于指令执行测试，Chatbot Arena Elo 用于真实世界聊天质量测试。\n人与法学硕士——法官 \n三种人工评估方案：直接评估、并排A/B测试和错误标注。然后是LLM作为评判员——GPT-4自动化评估器，它能以极低的成本达到与人类评估结果约80%的一致性，以及您必须控制的四种偏差。\n\n\n\n  \n评估差距导致团队浪费数月时间 \n以下是使用语言学习模型 (LLM) 的工程团队在实践中反复遇到的情况。一个模型在 MMLU 测试中得分 86%。团队发布了该模型。用户抱怨它在他们特定领域给出了错误的答案。团队在摘要流程中添加了 ROUGE 算法。由于 ROUGE 算法奖励与训练参考文本重叠的 n-gram，输出结果变得更短、更公式化。他们又在翻译工作流程中添加了 BLEU 算法。翻译质量确实有所提高——但一个逐字复制源文本短语的模型也能达到同样的水平，而且该模型在 BLEU 测试中也获得了很高的分数。 \n这些失败的根本原因都一样：团队知道指标名称，却不知道指标的具体含义，也没有进行实际测量。第九周的课程将解决这个问题。你将获得一个决策表——包含八种任务类型和三列指标——你可以立即将其应用到任何项目中。 \n  \n\n\n\n约0.40 \nBLEU 与 MT 的人类判断的相关性\n约0.60 \nBERTScore与人类判断的相关性\n约0.80 \nGPT-4 作为评判员的相关性——接近人类评判员的一致性\n\n\n\n  \n\n\n\n关键数据：GPT-4 作为评判工具，其评判结果与人类偏好的一致性达到了 80%——与人类标注者之间的一致性相当——而成本却仅为人工研究的大约 1/100。了解何时使用（以及何时不使用）GPT-4，是 2025 年LLM工程师最实用的技能之一。\n\n\n\n谁应该参加 \n  \n\n\n\n机器学习工程师\n那些不断迭代优化配方，并在开发过程中需要可靠信号来区分更好和更差的模型版本的人。\n\n\n\n  \n\n\n\n数据科学家\n那些生产 LLM 输出结果的人需要知道他们的评估设置是否真正衡量了他们认为正在衡量的东西。\n\n\n\n  \n\n\n\n人工智能产品经理\n审阅模型评估报告的人需要提出正确的问题，了解这些数字能告诉他们什么，不能告诉他们什么。\n\n\n\n  \n\n\n\n研究人员\n撰写 NLP 论文的人需要选择审稿人会接受且能真正支持其论点的指标。\n\n\n\n  \n\n\n\nLLM申请构建器\n哪些人正在开发聊天机器人、摘要器或代码助手，并且需要一种实用的质量保证方法？\n\n\n\n  \n\n\n\n系列中的所有人\n第 9 周是第 10 周（RLHF）的评估基础——人类偏好数据是进行一致性训练的信号。错过第 9 周，第 10 周的训练将会更加困难。\n\n\n\n第 9 周在整个系列中的位置 \n第 9 周是本系列的评估层。过去八周我们构建的所有内容——架构、预训练、微调、PEFT、RAG——都需要评估才能改进。而评估是第 10 周的先决条件，第 10 周将介绍 RLHF：基于人类反馈的强化学习，其中我们在 A/B 测试中收集的人类偏好数据将成为实际的训练信号，用于对齐。
URL:https://aipin.io/event/llm-evaluation/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/04/100天掌握大语言模型-9.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260501T190000
DTEND;TZID=America/Los_Angeles:20260501T200000
DTSTAMP:20260605T101929
CREATED:20260430T005602Z
LAST-MODIFIED:20260430T005603Z
UID:13074-1777662000-1777665600@aipin.io
SUMMARY:非编程人员如何使用 OpenClaw
DESCRIPTION:在过去一年，AI正在从“工具时代”迈入“智能体时代”。 \n如果你听说过: \n– 自动写报告的 AI\n– 会帮你做决策的系统\n– 可以执行任务的 Agent \n那么你正在接触的就是下一代 AI —— Agent 系统。 \n而其中一个备受关注的开源框架，就是：OpenClaw \n问题来了，很多人都会问： \n· 我不会写代码，能不能用 AI Agent？\n· OpenClaw 看起来很复杂，是否只能工程师使用？\n· 非技术人员如何真正“用起来”，而不是只听概念？ \n– 这场讲座，就是为你准备的答案。 \n– 讲座主题：《非编程人员如何使用 OpenClaw》 \n适合人群： \n本讲座专为“非技术背景”设计，包括但不限于： \n· 数据分析师 / 商业分析师\n· 企业管理者 / 创业者\n· 产品经理 / 运营人员\n· 想转型 AI 领域的学习者\n· 对 AI Agent 感兴趣但“卡在技术门槛”的你\n· 无需编程基础，也能理解并上手 \n你将学到什么？ \n1. 什么是 AI Agent？为什么它会改变行业？ \n· 从 ChatGPT 到 Agent 的进化路径\n· AI 如何从“回答问题”变成“执行任务” \n2. OpenClaw 是什么？它为什么重要？ \n· OpenClaw 的核心架构（用非技术语言讲清楚）\n· 为什么它在 AI 安全、自动化领域备受关注 \n3. 非编程人员如何使用 OpenClaw？ \n· 无代码 / 低代码使用路径\n· 使用现成工具搭建 AI 工作流\n· 用“配置 + Prompt”替代写代码 \n4. 实战案例演示（重点） \n你将看到真实应用： \n· 自动分析数据并生成报告\n· AI 安全检测与风险分析\n· 多 Agent 协作完成复杂任务 \n5. AI Agent 的未来机会 \n· 企业如何落地 Agent 系统\n· 哪些岗位会被重塑\n· 如何利用 Agent 提升个人竞争力 \n为什么你必须参加？ \n– AI 的门槛正在快速下降\n– 未来不会写代码，也可以“指挥 AI 工作”\n– 会用 Agent 的人，将成为下一代核心竞争力 \n————————————- \n主办方：数据应用学院 \n数据应用学院是北美首家集培训、项目实习和内推于一体的机构，我们的项目导向课程专注学员成果，并提供职业发展指导。感兴趣的小伙伴可以点击下面的链接，解锁更多专业技能： \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home \n数据科学家求职训练营精华课：https://study.dataapplab.com/course?courseid=dstraining \n商业分析师求职训练营精华课：https://study.dataapplab.com/course?courseid=ba-training
URL:https://aipin.io/event/openclaw-2/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/04/非编程人员如何使用-OpenClaw-1.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/9417768521299/WN_wQxlZ8fbQK6GGT1fvRTRVA
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260507T190000
DTEND;TZID=America/Los_Angeles:20260507T200000
DTSTAMP:20260605T101929
CREATED:20260506T114524Z
LAST-MODIFIED:20260506T114524Z
UID:13080-1778180400-1778184000@aipin.io
SUMMARY:100天掌握大语言模型-第十周：LLM Safety Issues 大语言模型的安全
DESCRIPTION:人工智能正在以前所未有的速度进入企业、教育、金融、医疗、政府与个人生活。\n从聊天机器人，到 AI Agent，再到自动化办公系统，大语言模型（LLM）正在成为下一代数字基础设施。但与此同时，一个越来越严肃的问题也浮出水面： \n如果 AI 说错话怎么办？\n如果 AI 被恶意操控怎么办？\n如果 AI 开始泄露数据、传播偏见、甚至被黑客“洗脑”怎么办？ \n这就是为什么——\n“LLM Safety（大语言模型安全）”正在成为全球 AI 行业最热门、最关键的话题之一。 \n本次专题讲座： \n《LLM Safety Issues: Hallucination\, Bias\, Jailbreaks\, Prompt Injection》 \n将带你深入理解当前大语言模型最核心、最危险、也是企业最关心的安全问题。 \n为什么这个主题如此重要？ \n今天，越来越多企业正在部署 AI： \n\nAI 客服\nAI 办公助手\nAI 编程助手\nAI 金融分析\nAI Agent 自动执行系统\n企业知识库问答系统（RAG）\nAI 搜索与决策平台\n\n但很多团队在真正上线后才发现： \nAI 并不像想象中“可靠” \n它可能： \n\n一本正经地胡说八道（Hallucination）\n产生政治、种族、性别偏见（Bias）\n被用户绕过安全限制（Jailbreak）\n被恶意Prompt 攻击（Prompt Injection）\n泄露内部数据\n输出违法或危险内容\n被操纵执行错误任务\n\n未来 AI 系统最大的风险，可能不是模型“不够聪明”，\n而是： \n“模型太聪明，但不受控制。” \n本次讲座你将学习什么？ \n本次讲座将从“真实 AI 系统安全”的角度，深入分析 LLM 的核心风险与防御机制。 \n讲座核心内容 \n一、什么是 LLM Safety？ \n\n为什么AI 安全成为全球科技公司的重点\nOpenAI、Google、Anthropic 如何看待AI 安全\n企业部署LLM 面临的真实风险\nAI 安全与传统Cybersecurity 的区别\n\n二、Hallucination（幻觉问题） \n为什么 AI 会“编造答案”？ \n你将理解： \n\nLLM 为什么会产生hallucination\nTransformer 与next-token prediction 的本质问题\n为什么模型“看起来很自信”\nRAG 为什么仍然会hallucinate\n企业知识库中的幻觉风险\n\n案例分析： \n\nAI 编造法律案例\nAI 医疗建议错误\n金融分析中的错误推理\n\n我们还将讨论： \n\n如何降低hallucination\nGrounding 与Verification 技术\nSelf-RAG / RARR 等新方法\nAI evaluation metrics\n\n三、Bias（偏见问题） \nAI 为什么会带有偏见？ \n包括： \n\n数据偏见\n训练语料偏见\n社会偏见\n政治与文化偏见\nRecommendation Bias\n\n深入讨论： \n\n为什么AI 会放大社会问题\n企业AI 产品中的法律风险\n招聘系统中的AI bias\n金融风控中的公平性问题\n\n四、Jailbreak（越狱攻击） \n为什么用户能绕过 AI 安全限制？ \n你将看到： \n\n常见jailbreak 技术\nDAN Prompt 的原理\nRole-play attack\nToken smuggling\nObfuscated input\nAdversarial suffix\n\n以及： \n\n黑客如何“欺骗”AI\n为什么模型会被诱导输出危险内容\nAI Agent 被越狱后的风险\n\n五、Prompt Injection（提示词注入攻击） \n这是当前 AI Agent 最大的安全问题之一。 \n讲座将深入分析： \n\n什么是Prompt Injection\n为什么Agent 系统特别危险\nHidden Prompt 如何被攻击\nTool Calling 的安全风险\nAI 如何被操控执行错误命令\n\n真实案例包括： \n\nAI 泄露系统Prompt\n恶意网页攻击AI 浏览器\n企业内部知识泄露\n自动化Agent 被操纵执行危险操作\n\n六、企业级 LLM Security 架构 \n如何真正建立“安全”的 AI 系统？ \n包括： \n\nAI Firewall\nPrompt Filtering\nGuardrails\nOutput Moderation\nRole-based AI Access\nRAG 安全设计\nAgent 安全策略\nHuman-in-the-loop\n\n以及： \n\nOWASP for LLM\nNIST AI RMF\nAI Governance\n企业AI 安全框架\n\n适合哪些人参加？ \n本讲座特别适合： \n\nAI 工程师\nLLM 开发者\nData Scientist\nAI 产品经理\nCybersecurity 工程师\n企业IT 管理者\n创业者\n对AI 安全感兴趣的学生与研究人员\n\n  \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/100%e5%a4%a9%e6%8e%8c%e6%8f%a1%e5%a4%a7%e8%af%ad%e8%a8%80%e6%a8%a1%e5%9e%8b-%e7%ac%ac%e5%8d%81%e5%91%a8%ef%bc%9allm-safety-issues-%e5%a4%a7%e8%af%ad%e8%a8%80%e6%a8%a1%e5%9e%8b%e7%9a%84%e5%ae%89/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/100天掌握大语言模型-10.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260508T190000
DTEND;TZID=America/Los_Angeles:20260508T200000
DTSTAMP:20260605T101929
CREATED:20260506T114800Z
LAST-MODIFIED:20260506T115314Z
UID:13083-1778266800-1778270400@aipin.io
SUMMARY:大语言模型在的金融品交易的应用
DESCRIPTION:AI 正在重新定义金融交易的未来\,从量化交易，到智能投顾；从市场情绪分析，到自动化交易代理（AI Agent）；大语言模型（LLM）正在快速改变金融行业的运行方式。 \n过去几年，人工智能已经不仅仅是“辅助分析工具”，而正在逐渐成为金融市场中的“智能决策系统”。随着 ChatGPT、DeepSeek、Llama、Claude 等新一代大语言模型的崛起，金融交易行业正在进入一个全新的 AI 时代。 \n本次专题讲座《大语言模型在金融品交易中的应用》，将带你深入了解： \n· AI 如何分析股票、外汇、加密货币与期货市场\n· 大语言模型如何理解财经新闻与市场情绪\n· AI Agent 如何自动执行交易策略\n· 如何结合 RAG、向量数据库与实时行情打造金融 AI 平台\n· AI 在风险控制、交易监控与投资研究中的实际应用\n· 下一代“AI Agent Quant Trader” 的技术架构与发展趋势 \n无论你是： \n· 金融从业人员\n· 量化交易研究员\n· 数据科学家\n· AI 工程师\n· 区块链与加密货币投资者\n· 想进入 FinTech 与 AI 金融领域的学生 \n都可以通过本次讲座，快速了解“AI + 金融交易”的核心技术与未来方向。\n本次讲座重点内容 \n一、金融交易行业正在发生什么变化？ \n· 从传统量化交易到 AI Quant\n· 为什么 Wall Street 正在全面拥抱 AI\n· LLM 如何改变交易研究流程\n· AI 是否会取代传统分析师？ \n二、大语言模型如何理解金融市场？ \n· 财经文本分析（Financial NLP）\n· 新闻情绪分析（Sentiment Analysis）\n· 财报与 SEC 文件自动解读\n· 社交媒体与市场情绪监控\n· 宏观经济数据分析 \n三、LLM 在交易系统中的核心应用 \n1. 智能交易助手（Trading Copilot）\n· 自动生成市场分析报告\n· AI 自动总结交易机会\n· 自动回答金融研究问题 \n2. AI Agent 自动交易系统\n· 多 Agent 协同交易架构\n· AI 自动制定交易策略\n· 自动下单与风险控制 \n3. RAG 金融知识库\n· 建立金融向量数据库\n· 检索财经新闻与研究报告\n· 实现“可解释”的 AI 交易系统 \n四、AI + 加密货币交易 \n· LLM 如何分析链上数据\n· Smart Money Tracking\n· Meme Coin 热点分析\n· AI 在 Crypto Trading 的机会与风险 \n五、下一代 AI Hedge Fund 技术架构 \n· 多模型协同系统\n· 实时数据流处理\n· 高频交易中的 AI\n· 风险控制与 AI 安全\n· AI Trading Infrastructure \n你将学到什么？ \n参加本次讲座后，你将能够： \n✅ 理解 LLM 在金融交易中的核心应用\n✅ 了解 AI Quant 的技术架构\n✅ 学习 AI Agent 如何自动执行交易\n✅ 了解 Wall Street 最新 AI 技术趋势\n✅ 掌握 AI 金融系统设计思路\n✅ 了解未来 FinTech 与 AI 的职业机会 \n适合对象 \n· 金融行业从业人员\n· 量化分析师\n· 数据科学家\n· 软件工程师\n· AI 开发者\n· 区块链开发者\n· 大学生与研究生\n· 对 AI 金融感兴趣的创业者 \n————————————- \n主办方：数据应用学院 \n数据应用学院是北美首家集培训、项目实习和内推于一体的机构，我们的项目导向课程专注学员成果，并提供职业发展指导。感兴趣的小伙伴可以点击下面的链接，解锁更多专业技能： \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home \n数据科学家求职训练营精华课：https://study.dataapplab.com/course?courseid=dstraining \n商业分析师求职训练营精华课：https://study.dataapplab.com/course?courseid=ba-training
URL:https://aipin.io/event/llm/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/大语言模型在金融品交易的应用.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8517768520865/WN_569BSGoSSWer46h7jo9kYQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260514T190000
DTEND;TZID=America/Los_Angeles:20260514T200000
DTSTAMP:20260605T101929
CREATED:20260511T131400Z
LAST-MODIFIED:20260512T100418Z
UID:13094-1778785200-1778788800@aipin.io
SUMMARY:100天掌握大语言模型第十一周：Prompt Engineering 提示词工程
DESCRIPTION:ChatGPT 会写文章、Claude 会分析文档、AI 可以写代码、做研究、生成图片、甚至自动完成工作流程。但很多人很快发现：为什么别人用 AI 效果像“外挂”，而自己用 AI 却像“随机生成器”？答案只有一个，Prompt Engineering（提示工程）。 \n在 AI 时代，Prompt，正在成为一种新的“编程语言”，谁能更好地与 AI 沟通， 谁就能更高效地使用 AI。 \n为什么 Prompt Engineering 如此重要？ \n很多人以为，“Prompt 就是问问题“，但真正的 Prompt Engineering 远远不只是： \n\n“帮我写一个文章”\n“帮我翻译”\n“帮我总结”\n\n真正专业的 Prompt Engineering 涉及： \n\nAI 思维引导\nContext Design\nTask Decomposition\nMulti-step Reasoning\nAI Workflow\nAgent Prompting\nStructured Output\nTool Calling\n\n甚至Prompt 本身已经成为 AI 系统架构的一部分。Prompt Engineering 正在改变整个行业。 \n今天： \n\n软件工程师用AI 写代码\n数据科学家用AI 分析数据\n金融行业用AI 做研究\n市场营销用AI 生成内容\n创业公司用AI 自动化运营\n企业开始建立AI Agent 系统\n\n而这一切背后的核心能力： \n就是 Prompt Engineering。 \n本次讲座你将学习什么？ \n第一部分：Prompt Engineering 基础原理 \n你将理解： \n\n为什么AI 会“听不懂人话”\nPrompt 如何影响模型输出\nTemperature、Top-p 如何影响结果\n什么是Token 与 Context Window\n为什么同一句Prompt 结果差异巨大\n\n真正理解LLM 是如何“思考”的。 \n第二部分：高阶 Prompt 技术 \n本次讲座将深入介绍当前最热门的 Prompt 技术： \n\nZero-shot Prompting\nFew-shot Prompting\nChain-of-Thought\nSelf-Consistency\nReAct\nTree of Thoughts\nRole Prompting\nStructured Prompting\n\n以及： \n\n如何让AI 更稳定\n如何减少hallucination（幻觉）\n如何提高推理能力\n如何提升生成质量\n\n第三部分：AI Agent Prompt Design \n随着 AI Agent 的兴起，Prompt Engineering 已经进入新的阶段。 \n本讲座将介绍： \n\nAgent Prompt Architecture\nMulti-Agent Prompting\nTool Calling Prompt\nMemory Prompt\nPlanning Prompt\nReflection Prompt\n\n你将理解，Prompt 已经不仅仅是“提问”，而是在设计 AI 系统行为。 \n第四部分：企业真实案例 \n我们将分析真实 AI 应用中的 Prompt 设计，AI Coding Assistant \n如何让 AI： \n\n写更高质量代码\n自动Debug\n自动生成测试\n\nRAG 系统 Prompt \n如何让 AI： \n\n正确使用知识库\n避免胡乱编造\n提高问答准确率\n\nAI Customer Service \n如何设计： \n\n企业客服Prompt\nWorkflow Prompt\nSafety Prompt\nGuardrails\n\n第五部分：Prompt Engineering 的未来 \n未来 Prompt Engineering 不只是“和 AI 聊天”。 \n而是： \n\nAI Operating System\nAgent Workflow\nAutonomous AI\nAI-native Applications\n\n为什么现在必须学习 Prompt Engineering，因为AI 不会淘汰会使用 AI 的人 \n但会使用 AI 的人，正在淘汰不会使用 AI 的人。未来几年，Prompt Engineering 将成为： \n\n软件工程师\n数据科学家\n产品经理\nAI 创业者\n商业分析师\n\n最重要的新技能之一。 \n适合哪些人参加？ \n本次讲座特别适合： \n\n软件工程师\n数据科学家\nAI 开发者\n产品经理\nAI 创业者\n学生\n对ChatGPT 与 AI 感兴趣的人\n\n————————————- \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/100%e5%a4%a9%e6%8e%8c%e6%8f%a1%e5%a4%a7%e8%af%ad%e8%a8%80%e6%a8%a1%e5%9e%8b%e7%ac%ac%e5%8d%81%e4%b8%80%e5%91%a8%ef%bc%9aprompt-engineering-%e6%8f%90%e7%a4%ba%e8%af%8d%e5%b7%a5%e7%a8%8b/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/100天掌握大语言模型-11-1.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260515T190000
DTEND;TZID=America/Los_Angeles:20260515T200000
DTSTAMP:20260605T101929
CREATED:20260511T130710Z
LAST-MODIFIED:20260511T130710Z
UID:13091-1778871600-1778875200@aipin.io
SUMMARY:LLM Agent Harness：下一代 AI Agent 系统架构与工程实践
DESCRIPTION:一场关于AI时代新职业的技术讲座 \n在过去一年，大语言模型（LLM）已经从“聊天机器人”快速演进为真正能够执行任务、调用工具、协同工作的 AI Agent。而当企业开始部署多个 Agent、多个工具链、多个任务流程时，一个新的核心问题出现了：如何管理、调度、监控、扩展这些 AI Agent？ \n答案就是——Agent Harness（Agent 编排与运行框架）。 \n本次讲座《LLM Agent Harness：下一代 AI Agent 系统架构与工程实践》，将带你深入理解当前 AI Agent 系统背后的核心架构思想，帮助开发者、AI 工程师、创业者与技术管理者掌握未来 AI 系统的关键基础设施。 \n为什么 Agent Harness 如此重要？ \n· 调用 OpenAI API\n· 使用 LangChain\n· 构建简单 AI Chatbot\n· 使用 RAG 做知识问答 \n但现实中的企业级 AI 系统远比这些复杂。 \n例如一个金融 AI 系统可能包含： \n· Research Agent\n· Trading Agent\n· Risk Control Agent\n· News Analysis Agent\n· Portfolio Agent \n一个企业 AI 助手可能包含： \n· Email Agent\n· Meeting Agent\n· Document Agent\n· Coding Agent\n· Data Analysis Agent \n问题来了： \n· 谁来协调这些 Agent？\n· 如何让多个 Agent 协同？\n· 如何管理上下文（Context）？\n· 如何避免 Agent 死循环？\n· 如何监控 Agent 行为？\n· 如何控制 Token 成本？\n· 如何实现 Memory、Planning、Tool Calling？\n· 如何实现企业级稳定性与安全性？ \n这正是 Agent Harness 的核心价值。 \n适合哪些人参加？本次讲座特别适合：\n\n· AI 工程师\n· LLM 开发工程师\n· 软件工程师\n· AI 创业者\n· 技术经理\n· 产品经理\n· 数据科学家\n· 对 AI Agent 感兴趣的学生与技术爱好者 \n即使你目前只会调用 ChatGPT API，本次讲座也会帮助你进入：“AI Agent System Design” 的下一阶段。 \n你将获得： \n✅ Agent Harness 完整架构认知\n✅ 多 Agent 系统设计思路\n✅ 企业级 Agent 平台工程经验\n✅ 最新 AI Agent 技术趋势\n✅ AI Agent 创业方向分析\n✅ 下一代 AI 软件架构视野 \n————————————- \n主办方：数据应用学院 \n数据应用学院是北美首家集培训、项目实习和内推于一体的机构，我们的项目导向课程专注学员成果，并提供职业发展指导。感兴趣的小伙伴可以点击下面的链接，解锁更多专业技能： \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home \n数据科学家求职训练营精华课：https://study.dataapplab.com/course?courseid=dstraining \n商业分析师求职训练营精华课：https://study.dataapplab.com/course?courseid=ba-training
URL:https://aipin.io/event/llm-agent-harness/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/下一代AI-Agent系统架构与工程实践.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/1617784973757/WN_CBJRlHRXSkq-9ArM2YWBdA
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260521T190000
DTEND;TZID=America/Los_Angeles:20260521T200000
DTSTAMP:20260605T101929
CREATED:20260519T071710Z
LAST-MODIFIED:20260519T071710Z
UID:13107-1779390000-1779393600@aipin.io
SUMMARY:100天掌握大语言模型第十二周：Retrieval-Augmented Generation（RAG）深度实战讲座
DESCRIPTION:当越来越多企业开始部署 AI，一个问题开始变得越来越严重： \nAI 会“胡说八道”。 \n它会： \n\n编造不存在的事实\n给出错误的法规与数据\n引用不存在的案例\n使用过时知识回答问题\n\n这就是大语言模型最严重的问题之一：Hallucination（幻觉） \n而现在，整个 AI 行业解决这个问题的核心方案，就是RAG（Retrieval-Augmented Generation），检索增强生成。 \n从 OpenAI、Google、微软、Meta，到金融、医疗、法律、客服、电商、企业知识库统，几乎所有真正进入生产环境的 AI 系统，背后都在使用 RAG。 \n本次讲座你将学到：完整企业级 RAG 架构 \n你将真正理解： \n一个专业 RAG 系统到底如何工作 \n包括： \n\n文档导入（PDF / Word / HTML / API）\nChunking（分块策略）\nEmbedding（向量化）\nVector Database（向量数据库）\nDense Retrieval（密集检索）\nBM25 Sparse Retrieval\nHybrid Search（混合检索）\nReranking（重排序）\nContext Injection\nGrounded Generation\nCitation System\nRAG Evaluation\n\n适合对象 \n本讲座特别适合： \n\nAI 工程师\nLLM 开发者\nData Scientist\n软件工程师\nAI 创业者\n企业AI 团队\nAI 产品经理\n想进入AI 行业的人\n正在学习LangChain / LlamaIndex / Agent 的开发者\n\n你将获得 \n✅ 企业级 RAG 完整架构理解\n✅ 当前行业真实最佳实践\n✅ Production AI 系统设计能力\n✅ AI 求职核心竞争力\n✅ 构建企业知识库 AI 的能力\n✅ Agent 系统最核心基础能力 \n————————————- \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/rag/
CATEGORIES:直播讲座
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260521T190000
DTEND;TZID=America/Los_Angeles:20260521T200000
DTSTAMP:20260605T101929
CREATED:20260527T100715Z
LAST-MODIFIED:20260527T100715Z
UID:13120-1779390000-1779393600@aipin.io
SUMMARY:100天掌握大语言模型第十三周：LLM 智能体 · 工具使用 · LangChain · LlamaIndex · 多智能体系统
DESCRIPTION:“我们花了十二周时间培养越来越强大的LLM学习模型：我们训练它们，微调它们，用RAG系统赋予它们知识，并教会它们在提示下进行推理。到了第十三周，逻辑学习模型不再等待指令，而是开始主动行动。”\n\n\n\n被动应对到主动行动的转变 \n我们迄今为止构建的每个LLM应用都具有一个基本特征：模型等待用户提问，生成答案，然后停止运行。用户阅读答案并决定下一步操作。模型本身不具备自主性——无法在现实世界中采取行动、使用工具或执行多步骤目标。 \nLLM智能体彻底改变了这一切。智能体是一种LLM，它可以使用各种工具（例如搜索网络、查询数据库、执行代码、调用API、发送电子邮件），规划一系列行动以实现目标，观察每个行动的结果并调整其计划，并循环执行直至任务完成——整个过程无需人工干预。 \n其意义深远。RAG 系统可以回答关于文档的问题。代理可以读取文档，根据其内容识别需要采取的操作，执行这些操作，验证结果，并汇报——甚至可以自主处理异常情况。这并非渐进式的改进，而是本质上的变革。 \n\n\n\n约45% \n知识工作者的很多任务都适合进行部分或全部的智能体自动化（麦肯锡 2024）。\n反应 \n主导主体推理范式：推理与行动在每个步骤中交错进行\n10岁以上 \n生产环境中的LLM代理可能访问的工具类型：搜索、代码、数据库、API、文件、日历、电子邮件……\n\n\n\n  \n\n\n\n思维模式的转变：停止将LLM视为问答机器，而应将其视为推理引擎，它可以连接到任何API、任何数据库和任何工具，然后自主地追求多步骤目标。\n\n\n\n45分钟内你将学到什么 \n第 13 周涵盖了 LLM 智能体的完整技术栈——从核心推理循环到生产级多智能体系统。包含四个深入探讨的主题模块： \n\n\n\n01什么是LLM代理人？ \n智能体循环、工具使用和ReAct推理范式 \n• 智能体循环：观察 → 思考 → 行动 → 观察 → 重复。为什么这个循环与单个 LLM 调用有着本质区别？ \n• 工具使用（函数调用）：LLM 如何决定使用哪个工具、传递哪些参数以及如何解释结果 \n• ReAct（推理+行动）：主流范式。该模型将“思考”步骤（推理）与“行动”步骤（工具调用）交错置于同一上下文中，使推理过程透明且易于调试。 \n• 工具类型：网络搜索、代码执行（Python 沙箱）、数据库查询、REST API 调用、文件 I/O、日历、电子邮件、矢量存储检索（RAG 作为工具） \n• 记忆：情境记忆（对话历史）、外部记忆（向量存储）、情景记忆（过去行为的结构化摘要）\n\n\n\n  \n\n\n\n02多智能体系统 \n能够协作、委派任务并互相检查工作成果的代理人 \n• 单个智能体在复杂任务中失败的原因：上下文窗口限制、错误传播、缺乏专业化、缺乏验证 \n• 多智能体模式：主管模式（一个智能体分解任务并委派给专业智能体）、点对点模式（智能体之间平等沟通）、层级模式（具有升级路径的分层智能体团队） \n• AutoGen（微软）：领先的多智能体框架。支持人机交互、自动化对话、沙盒环境下的代码执行、智能体角色和配置。 \n• CrewAI：基于角色的智能体团队，具备结构化的任务分配、工具共享以及顺序/并行任务执行能力。 \n• 智能体系统中的安全：为什么拥有工具访问权限的智能体是风险最高的LLM部署模式。智能体上下文中的快速注入、最小能力原则、人机交互检查点、所有智能体操作的审计跟踪。\n\n\n\n为什么代理人是LLM中最需要理解的内容 \n人工智能行业已经迅速从“LLM可以回答问题”发展到“LLM可以采取行动”。这种转变发生的速度比大多数从业者意识到的要快得多，并且给那些没有做好准备的团队带来了真正的部署风险。 \n\n\n\n机会 \n智能体可以自动化以往需要人工判断的整个工作流程。客户支持工单处理、代码审查和生成流程、研究成果汇总、数据分析和报告、需要数据库查询的内部知识问答——所有这些如今都已部署为智能体系统。\n风险 \n拥有工具访问权限的智能体可以执行现实世界的操作：发送电子邮件、修改数据库、执行代码、调用外部 API。而产生幻觉、被注入恶意指令或追求错误目标的智能体，则可能造成仅支持文本的逻辑逻辑模型无法造成的损害。二者在安全考量上截然不同。\n\n\n\n第 13 周涵盖了双方——力量和风险——因为成功部署代理的团队正是那些了解这两方面的团队。 \n谁应该参加 \n\n\n\n机器学习工程师\n已经构建了 RAG 系统（第 12 周）并希望将其发展为可以执行操作而不仅仅是回答问题的代理管道的人。\n\n\n\n  \n\n\n\n后端工程师\n正在集成 LLM API 并希望了解如何构建可靠、安全的代理工作流，并具有适当的工具隔离和审计跟踪的用户。\n\n\n\n  \n\n\n\n数据科学家\n希望使用代理编排实现多步骤分析工作流程（数据检索、处理、分析和报告生成）自动化的用户。\n\n\n\n  \n\n\n\n人工智能产品经理\n在确定产品需求和与工程团队沟通时，哪些人需要了解基于代理的功能的能力和风险？\n\n\n\n  \n\n\n\n人工智能研究人员\n那些正在构建自主系统，并且需要对当前的代理架构、框架和安全考虑因素有严格了解的人员。\n\n\n\n  \n\n\n\n系列中的所有人\n智能体是我们所有努力的最终成果：LLM理解（第1-6周）、微调（第7周）、RAG（第8和12周）、评估（第9周）、安全（第10周）和提示（第11周）。所有这些都在这里汇聚。\n\n\n\n  \n————————————- \n主办方：AI聘 — 北美数据类、软件类求职服务一站式服务。 \n三大项目为你全程解除求职困扰： \n1. 找到工作再付费的Career VIP项目，为全职岗位求职者提供最专业的支持；\n2. Career Plus项目，为全职求职者提供短期强化训练，低成本一站式求职服务；\n3. Intern VIP项目，为短期实习求职者提供内推、全程面试辅导支持。 \n可登录 www.aipin.io了解更多项目信息和成功案例。\n邮箱: info@aipin.io\n电话: +1 (626) 566 1822
URL:https://aipin.io/event/100%e5%a4%a9%e6%8e%8c%e6%8f%a1%e5%a4%a7%e8%af%ad%e8%a8%80%e6%a8%a1%e5%9e%8b%e7%ac%ac%e5%8d%81%e4%b8%89%e5%91%a8%ef%bc%9allm-%e6%99%ba%e8%83%bd%e4%bd%93-%c2%b7-%e5%b7%a5%e5%85%b7%e4%bd%bf%e7%94%a8/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/100天掌握大语言模型-13.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/8317724471564/WN_MD5Qr28NTy62AYRatCnNJQ
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260522T190000
DTEND;TZID=America/Los_Angeles:20260522T200000
DTSTAMP:20260605T101929
CREATED:20260519T071859Z
LAST-MODIFIED:20260519T071859Z
UID:13109-1779476400-1779480000@aipin.io
SUMMARY:大语言智能主体的设计模式
DESCRIPTION:过去两年，大语言模型彻底改变了AI的能力边界。现在AI正从会聊天的大模型，快速进化成真正能够“思考、规划、执行任务”的智能主体。 \n未来的软件不再只是 App。未来的系统将是由一个个AI Agent所组成的智能协作网络。从OpenAI Agent、AutoGPT、LangGraph，到Multi-Agent System、AI Copilot、AI Workflow Automation\,全球科技产业正在进入一个新的时代，AI不只是回答问题，而是开始替人完成工作。 \n问题来了：\n· 一个真正的AI Agent 到底是什么？\n· 为什么传统的软件架构已经无法满足AI Agent？\n· 一个Agent 如何拥有“记忆”、“工具调用”、“长期规划”与“自主决策”能力？\n· Multi-Agent为什么会成为未来企业AI系统的核心架构？\n· AI Agent如何改变金融、网络安全、电商、教育、机器人与企业自动化？\n· 为什么越来越多AI工程师开始学习LangGraph、MCP、Agent Workflow 与 Context Engineering？ \n本讲座将系统性带你进入AI Agent核心世界。 \n你将学到: \n一、什么是真正的AI Agent？ \n· LLM与Agent的根本区别\n· 从Chatbot 到 Autonomous Agent \nAgent的四大核心能力： \n· Reasoning（推理）\n· Planning（规划）\n· Memory（记忆）\n· Action（执行） \n二、主流AI Agent架构设计模式 \n深入解析当前最重要的Agent Architecture：\n· ReAct Pattern\n· Tool Calling Pattern\n· Planner-Executor Pattern\n· Reflection Pattern\n· Multi-Agent Collaboration\n· Hierarchical Agent\n· Human-in-the-loop Pattern\n· Workflow Agent vs Autonomous Agent \n你将理解，为什么不同场景，需要不同Agent Design Pattern。 \n三、Agent 的“记忆系统”如何设计？ \n· Short-term Memory\n· Long-term Memory\n· Vector Database Memory\n· Context Window 管理\n· RAG 与 Agent 的结合\n· Context Engineering \n为什么“上下文管理能力”会成为未来AI工程师最重要技能之一。 \n四、Multi-Agent System的未来 \n· 多智能主体协作架构\n· AI Team 的概念\n· AI Manager + Worker Agent\n· Agent Swarm\n· 企业级 Agent Orchestration \n你将看到，未来的软件公司，可能会由大量AI Agent共同运营。 \n五、企业级AI Agent的真实应用 \n包括： \n· AI 金融交易系统\n· AI 网络安全 Agent\n· AI Coding Agent\n· AI Research Assistant\n· AI Customer Service\n· AI Data Analyst\n· AI Workflow Automation \n以及为什么未来很多白领工作，会逐渐被AI Agent自动化。 \n六、2026 年AI Agent技术趋势 \n· OpenAI Agent\n· MCP（Model Context Protocol）\n· LangGraph\n· Agent Harness\n· AI Operating System\n· AI Native Application\n· 企业级 Agent 平台 \n帮助你理解未来 3~5 年AI行业真正的机会在哪里。 \n适合哪些人参加？\n本讲座特别适合：\n· 想进入AI / LLM行业的人\n· 软件工程师\n· AI 工程师\n· 数据科学家\n· 创业者\n· 产品经理\n· 企业技术主管\n·对AI Agent感兴趣的学生与研究人员 \n即使不是AI专家，也可以通过本次讲座建立完整的AI Agent世界观。 \n————————————- \n主办方：数据应用学院 \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home
URL:https://aipin.io/event/%e5%a4%a7%e8%af%ad%e8%a8%80%e6%99%ba%e8%83%bd%e4%b8%bb%e4%bd%93%e7%9a%84%e8%ae%be%e8%ae%a1%e6%a8%a1%e5%bc%8f/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/大语言智能主体的设计模式.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/2017784984600/WN_ho7eMWOTREimIaqOJzZbWg
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Los_Angeles:20260529T190000
DTEND;TZID=America/Los_Angeles:20260529T200000
DTSTAMP:20260605T101929
CREATED:20260527T100535Z
LAST-MODIFIED:20260527T100535Z
UID:13117-1780081200-1780084800@aipin.io
SUMMARY:如何在2026年拿下高薪AI工作？
DESCRIPTION:过去几年，AI已经从“热门技术”变成了真正改变世界的核心生产力。 从 ChatGPT到AI Agent，从自动化软件开发到企业级AI系统，大量公司正在重新定义自己的商业模式。与此同时\,一个现实正在发生：\n· 传统软件岗位竞争越来越激烈\n· 初级程序员正在被AI工具替代部分工作\n· 企业真正缺少的，不是“会用 AI 的人”，而是“能够构建AI系统的人”\n· 年薪$200K – $300K 的 AI 岗位正在快速增长 \n问题是：为什么很多人学了AI，却仍然找不到高薪工作？因为企业真正需要的，并不是只会“调用 ChatGPT API”的人。2026 年，最有价值的AI人才，需要同时具备：\n· AI系统设计能力\n· LLM（大语言模型）应用开发能力\n· AI Agent 架构能力\n· RAG与企业知识库能力\n· Prompt Engineering能力\n· AI安全与AI产品思维\n· 真正能够落地商业项目的经验\n这也是为什么，很多公司愿意给AI Engineer、LLM Engineer、AI Security Engineer、AI Product Architect提供极高薪资。\n本次讲座将带你了解：\n1. 2026 年最热门、最高薪的AI岗位\n你将了解：\n· LLM Engineer\n· AI Application Engineer\n· AI Agent Developer\n· AI Security Engineer\n· AI Product Architect\n· AI Infrastructure Engineer\n· AI Automation Consultant\n· 这些岗位到底在做什么？\n· 企业真正需要哪些技能？\n· 哪些方向最容易进入？ \n2. 企业到底在招聘什么样的AI人才？ \n很多人以为：“会 Python 就可以做AI。”现实并不是这样。 \n我们将深入分析：\n· 为什么企业越来越重视AI系统设计\n· 为什么RAG、Agent、Workflow Automation正在成为核心能力\n· 为什么Prompt Engineering已经不够\n· 为什么AI + Business Knowledge的复合型人才最值钱 \n3. AI 求职市场的真实变化\n· 为什么传统初级软件工程岗位正在减少\n· 为什么AI正在改变技术招聘市场\n· 为什么越来越多企业希望“一个AI工程师完成过去多个岗位的工作”\n· AI如何改变未来的工作模式 \n还会讨论：“未来什么样的人最不容易被AI替代？” \n4. 如何规划自己的AI学习路线\n本次讲座将给出：从零开始到AI工程师的完整路线图 \n包括：\n· Python\n· Machine Learning 基础\n· Transformer 与 LLM\n· Prompt Engineering\n· RAG\n· AI Agent\n· MCP / Multi-Agent Systems\n· Hugging Face\n· LangChain / LangGraph\n· Open-source LLM\n· 企业级AI Application Design \n以及：\n· 哪些技能真正能帮助你找到工作\n· 哪些内容只是“看起来很热门” \n5. 如何打造真正有竞争力的AI简历 \n很多AI学习者的问题：\n· 没有项目经验\n· 不知道如何写 AI Resume\n· 不知道如何展示自己的能力\n· 不知道企业真正想看什么 \n本次Workshop会讲解：\n· AI Resume如何写\n· GitHub项目如何包装\n· 如何做自己的AI Portfolio\n· 如何准备AI技术面试\n· 如何准备LLM System Design Interview \n谁适合参加？ \n· 软件工程师\n· 数据科学家\n· Business Analyst\n· 大学生/研究生\n· 想转行AI的职场人士\n· 想进入高科技行业的人\n· 想提高薪资竞争力的人\n· 对LLM/AI Agent感兴趣的人\n即使目前不是AI工程师也可以参加。 \n你将获得：\n✅ 2026 AI Job Market最新趋势\n✅ 高薪AI岗位技能地图\n✅ AI学习路线图\n✅ AI求职准备建议\n✅ 企业真实招聘需求分析\n✅ AI Resume 与 Portfolio建议\n✅ AI面试准备方向\n✅ AI创业与未来趋势分析 \n————————————- \n主办方：数据应用学院 \n最新直播课程——大语言模型开发者训练营：https://study.dataapplab.com/course?courseid=llm-developer-bootcamp-2603 \n在售录播课程列表：https://study.dataapplab.com/pages/home
URL:https://aipin.io/event/2026-ai/
CATEGORIES:直播讲座
ATTACH;FMTTYPE=image/png:https://aipin.io/wp-content/uploads/2026/05/如何找到高薪AI工作.png
ORGANIZER;CN="AI%E8%81%98":MAILTO:info@aipin.io
LOCATION:https://dataapplab.zoom.us/webinar/register/5017784987717/WN_H3zsc8vNQ1qogxZFs65BYA
END:VEVENT
END:VCALENDAR