DeepSeek大模型公开课

各有关单位：
为了企业在数字化浪潮中保持领先优势、实现创新突破与降本增效，助力企业将大模型技术深度融入各业务环节，开拓新的业务增长点，优化运营成本结构。帮助学员系统掌握 DeepSeek 大模型的核心原理、开发工具和应用技巧，提升其在人工智能领域的专业技术能力。特邀相关领域权威专家精心打造了“DeepSeek大模型应用开发最佳实践”课程，于2025年在全国部分城市举办公开课。诚邀您的参与，有关事宜如下：

一、培训背景
2025年春节期间中国的DeepSeek火爆全球，震惊美国硅谷，可以与花费百亿巨资的GPT相媲美，戳穿美股科技泡沫，以英伟达为代表的AI龙头出现了暴跌。DeepSeek让特朗普也感到惧怕，随即美国黑客攻击DeepSeek的网站，使其瘫痪，中美爆发网络黑客大战。DeepSeek的爆火源于其多方面优势。首先，它完全开源，可本地部署，无使用限制，保护用户隐私。其次，其性能强大，效果可比肩甚至超越国际顶尖模型，尤其在中文处理和复杂逻辑推理方面表现出色。此外，DeepSeek训练成本低，API价格仅为同类产品的三十分之一，性价比超高。它还支持深度思考，能展示清晰的思维链，并具备联网搜索、拍照识字、文件上传等功能，使用场景丰富。最后，其响应速度快，生成内容几乎无需等待。

二、培训对象
程序员、开发工程师、软件设计师、项目经理、架构师等。
本课程面向零基础LLM应用开发者，不需要了解复杂数学算法，机器学习原理，不需要之前学习过大模型知识。有Java，C#，C++等编程基础，最好有Python基础知识，但即使你对 Python 不太熟悉，也完全没有关系。课程主要阅读和讲解案例代码。

三、培训收益
提供清晰全面的可用知识，快速了解DeepSeek和API；
对比OpenAI和国内多个其他大模型（文心，智谱，千问等）的工作原理及优势；
在案例基础上使用流行的编程语言构建大模型应用；
掌握如何构建文本生成、问答和内容摘要等初阶大模型应用；
了解提示工程、模型微调、插件、LangChain，RAG，Agent等高阶实践技术。

四、培训信息
培训方式：
培训采用线下专家面授+同步直播的形式。所有课程均赠送学习教材、视频回放、
答疑交流群、促学服务等，并提供结业证书。多维度精细化教学，满足不同企业及学员的学习需求。

五、培训内容
培训共计3天，每天6小时，具体日程安排如下
第一章 DeepSeek大模型原理和应用
第一部分: LLM大模型核心原理
1.大模型基础：理论与技术的演进
2.LLMs大语言模型的概念定义
3.LLMs大语言模型的发展演进
4.LLMs大语言模型的生态体系
5.大语言模型技术发展与演进
6.基于统计机器学习的语言模型
7.基于深度神经网络的语言模型
8.基于 Transformer 的大语言模型
9.LLMs大语言模型的关键技术
10.LLMs大语言模型的核心框架：商业&开源
11.LLMs大语言模型的行业应用
第二部分: DeepSeek大模型应用-办公提效
1.官方大模型DeepSeek应用
2.DeepSeek办公提效
3.使用DeepSeek官方模型做推理任务
4.DeepSeek和OpenAI O1模型的对比总结
5.DeepSeek和国内其他大模型对比（智谱，文心，通义，kimi等）
6.DeepSeek和国外其他大模型对比（Claude Gemini Mistral等）
第三部分: DeepSeek大模型推理能力1.DeepSeek-R1 发布
2.对标 OpenAI o1 正式版
3.DeepSeek-R1 上线 API
4.DeepSeek 官网推理与 App
5.DeepSeek-R1 训练论文
6.蒸馏小模型超越 OpenAI o1-min
7.DeepSeek-R1 API 开发应用
8.通用基础与专业应用能力

第二章 基于DeepSeek大模型API开发应用
第一部分:DeepSeek大模型与Prompt提示工程1.Prompt如何使用和进阶
2.什么是提示与提示工程
3.提示工程的巨大威力：从Let’s think step by step说起
4.拆解、标准化、流程化：如何用AI改造工作
5.使用BROKE框架设计ChatGPT提示
6.通过案例分析，展示如何使用大模型prompt技术辅助开发
第二部分: DeepSeek大模型 API 应用开发1.DeepSeek-V3 大模型API
2.DeepSeek-R1推理大模型API
3.DeepSeek模型 & 价格
4.DeepSeek模型参数Temperature 设置
5.DeepSeek模型Token 用量计算
6.DeepSeek模型错误码
7.DeepSeek大模型多轮对话
8.DeepSeek大模型对话前缀续写（Beta）
9.DeepSeek大模型FIM 补全（Beta）
10.DeepSeek大模型JSON Output
11.DeepSeek大模型Function Calling
12.DeepSeek大模型上下文硬盘缓存
13.文本内容补全初探（Text Completion）
14.聊天机器人初探（Chat Completion）
15.基于DeepSeek开发智能翻译助手
16.案例分析
第三部分: DeepSeek大模型对比其他大模型API（国外和国内其他）1.OpenAI大模型API
2.claude大模型API
3.Gemini 大模型API
4.智谱大模型API 介绍
5.使用 GLM-4 API构建模型和应用
6.基于通义千问大模型API的应用与开发
7.基于百度大模型API应用开发
8.基于字节，腾讯，华为大模型应用开发
第四部分: DeepSeek大模型API构建应用程序（12案例，灵活选择）1.应用程序开发概述
2.案例项目分析
3.项目1：构建新闻稿生成器
4.项目2：语音控制
5.项目3：企业管理系统MIS应用案例分析
6.项目4：某企业智能管理系统

第三章 DeepSeek和LangChain开发应用
第一部分: 大模型应用开发框架 LangChain1.大模型应用开发框架 LangChain
2.LangChain 是什么
3.为什么需要 LangChain
4.LangChain 典型使用场景
5.LangChain 基础概念与模块化设计
6.LangChain 核模块入门与实战
7.LangChain 的3 个场景
8.LangChain 的6 大模块
9.LangChain 的开发流程
10.创建基于LangChain聊天机器人
第二部分: 基于DeepSeek和LangChain构建文档问答系统
1.构建复杂LangChain应用
2.LangChain模型(Models)：从不同的 LLM 和嵌入模型中进行选择
3.LangChain提示(Prompts)：管理 LLM 输入
4.LangChain链(Chains)：将 LLM 与其他组件相结合
5.LangChain索引(Indexs)：访问外部数据
6.LangChain记忆(Memory)：记住以前的对话
7.LangChain代理(Agents)：访问其他工具
8.使用大模型构建文档问答系统

第四章 DeepSeek构建企业级RAG知识库
第一部分: DeepSeek大模型企业RAG应用1.RAG技术概述
2.加载器和分割器
3.文本嵌入和 向量存储
4.检索器和多文档联合检索
5.RAG技术的关键挑战
6.检索增强生成实践
7.RAG技术文档预处理过程
8.RAG技术文档检索过程
第二部分: 构建基于DeepSeek RAG Agent：实现检索增强生成
1.何谓检索增强生成
2.提示工程、RAG与微调
3.从技术角度看检索部分的Pipeline
4.从用户角度看RAG流程
5.RAG和Agent
6.通过Llamalndex的ReAct RAG Agent实现检索
7.获取井加载电商的财报文件
8.将财报文件的数据转换为向量数据
9.构建查询引擎和工具
10.配置文本生成引擎大模型
11.创建Agent以查询信息

第五章 基于DeepSeek大模型Agent智能体开发
第一部分:DeepSeek大模型驱动的Agent智能体开发概述
1.智能体的定义与特点
2.智能体与传统软件的关系
3.智能体与LLM的关系
4.从ChatGPT到智能体
5.智能体的五种能力
6.记忆，规划，工具，自主决策，推理
7.多智能体协作
8.企业级智能体应用与任务规划
9.智能体开发
第二部分: 基于Deepseek和LangChain构建Agent
1.通过LangChain中的ReAct框架实现自动定价
2.LangChain ReAct框架
3.LangChain中ReAct Agent 的实现
4.LangChain中的工具和工具包
5.通过create_react_agent创建Agent
6.深挖AgentExecutor的运行机制
7.Plan-and-Solve策略的提出
8.LangChain中的Plan-and-Execute Agent
9.通过Plan-and-Execute Agent实现物流管理
10.为Agent定义一系列进行自动库存调度的工具

第六章 DeepSeek深入学习
第一部分: DeepSeek原理和优化
1.DeepSeek原理剖析
2.DeepSeek系统软件优化
3.DeepSeek 训练成本
4.DeepSeek V3模型参数
5.DeepSeek MoE架构
6.DeepSeek 架构4方面优化
7.DeepSeek R1 论文解读
8.DeepSeek R1的创新点剖析
9.DeepSeek R1 引发的创新思考
第二部分: 私有化部署DeepSeek推理大模型1.DeepSeek云端部署
2.DeepSeek和国产信创平台
3.DeepSeek和国内云平台
4.利用Ollama私有化部署DeepSeek R1大模型
5.一键部署DeepSeek R1大模型
6.DeepSeek R1私有化部署总结
第三部分: DeepSeek大模型微调1.DeepSeek 大模型微调
2.为何微调大模型
3.大模型先天缺陷
4.预训练成本高昂
5.垂直数据分布差异
6.提示推理成本限制
7.DeepSeek大模型微调的三个阶段剖析
8.DeepSeek大模型微调的两种方法剖析

六、专家讲师
刘老师 | 国内顶尖AI专家
最近几年带队完成了数十个AI项目，内容不仅包括深度学习、机器学习、数据挖掘等具体技术要点，也包括AI的整体发展、现状、应用、商业价值、未来方向等，涵盖内容非常丰富。完成多个深度学习实践项目，广泛应用于医疗、交通、银行、电信等多个领域。从2020年推出的多门课程《AI大模型赋能行业应用与解决方案》《AI大模型辅助软件研发管理与效能提升》和《AI大模型技术及开发应用实践》更是广受欢迎，已经为几十家企业培训，作为一名AI技术专家，对人工智能的理解深入透彻。他不仅精通AI的编程技术，还熟悉各种AI工具的使用，尤其在AI行业应用更是有着独特的见解和实践经验；自从2023年以来帮助多家研发中心做AI辅助开发效能提升咨询服务。同时也是微软人工智能认证工程师，阿里云AI人工智能训练师。在人工智能领域的深耕和创新，也得到了出版社的青睐，计划出版自己的著作。也在多家技术大会做AI技术讲座。

DeepSeek大模型公开课