11月27-29日北京《人工智能开发全链路实战与案例分析》- 大数跨境

首页

11月27-29日北京《人工智能开发全链路实战与案例分析》

立正咨询

2026-11-13

导读：11月27-29日 · 北京

AI技术实战与工程落地

AI全链路开发

人工智能开发全链路实战与案例分析

开课时间

11月27-29日

开课地点

北京

2026年10-11月公开课 · 课纲详情

扫码联系报名
欢迎定制内训

01 开课安排

11月27-29日 · 北京 · ¥6800/人

02 课程背景

人工智能作为引领新一轮科技革命与产业变革的战略性技术，正深刻重塑全球经济格局与产业生态。随着大模型、多模态学习、强化学习等前沿技术的快速发展，人工智能已从实验室走向规模化应用，成为企业实现智能化转型、提升核心竞争力的关键驱动力。

企业对AI技术落地的需求日益迫切，但市场普遍存在“理论型人才过剩、实战型人才紧缺”的矛盾，多数从业者与企业团队缺乏从需求分析、数据处理、模型开发到部署运维的全流程项目经验，中小企业还面临方法论缺失、技术与业务融合难等落地痛点。

中培伟业联合多位相关领域专家，精心打造了“人工智能开发全链路实战与案例分析”培训课程。本课程聚焦视觉智能与大模型智能体（Agent）的协同应用，围绕目标识别、视觉理解、智能决策三大核心能力，系统讲解从深度学习模型训练到AI智能体构建，再到行业场景落地的完整技术链路。课程以 YOLO 目标识别、PaddlePaddle 视觉开发、Agent 构建及 Vision Agent 实战为主线，通过真实案例演示视觉模型与大语言模型（LLM）的协同工作机制，使学员掌握从图像感知、结果解析、业务推理到智能决策的完整流程。

参加培训并通过考试的学员，将获得由工业和信息化部教育与考试中心统一颁发的《人工智能核心技术（高级）》职业能力证书。证书长期有效，相关信息可随时登录中心官网查询。

03 培训对象

技术管理者：技术总监、产品经理、项目主管等，需掌握AI技术路径与落地逻辑
战略决策者：企业高管、业务负责人等，关注AI赋能业务、驱动组织转型与战略布局
技术研发人员：包括政府、企业及高校中从事AI相关研发的工程师、研究员、架构师等
高级学术人才：高校教师、硕士、博士研究生及相关专业学生等，致力于AI前沿研究与工程实践

04 课程大纲

▎第一天

目标检测基础与评价指标
目标检测基础概念介绍
2. IoU（交并比）原理与计算
3. 精确率与召回率（P/R）
4. 非极大值抑制（NMS）
5. AP 与 mAP 评估指标
6. AP（平均精度）计算实践
YOLO原理与数据准备
YOLO 算法核心原理
2. 读懂Label.txt文件
3. Labelimg 数据标注实战
4. 官方数据集加载与格式
5. 边框预测与坐标推导
6. 图像尺寸与数据增强
快速入门与推理实战
YOLO 快速入门与配置
2. 模型推理（Inference）实践
3. 自定义数据集训练设置
4. 神经网络结构信息解析
5. 优化器与超参数选择
6. 迁移学习与预训练微调
训练分析与验证评估
YOLO 训练日志解读
2. 训练过程与收敛分析
3. 验证集评估指标计算
4. 最优模型保存策略
5. 最优模型验证与测试
6. 模型导出与部署应用

▎第二天

PaddlePaddle介绍与快速入门
飞桨（PaddlePaddle）框架介绍
2. 硬件环境要求与安装配置
3. PaddleDetection 套件核心概览
4. PP-YOLOE 核心模型架构解析
5. 飞桨模型快速推理与调用
6. 目标检测全流程开发快速上手
PaddleDetection 缺陷与安全帽检测实战
工业零件缺陷检测数据集准备
2. 安全帽检测数据集标注与格式转换
3. 基于 PaddleDetection 的模型训练
4. 训练日志分析与评估指标解读
5. 模型动静转换与高性能导出
6. 缺陷与安全帽检测工程化部署
YOLO检测结果的数据解析与统计
YOLO 预测结果（Boxes/Classes）读取
2. Class ID 与字符串类别名称映射
3. 目标数量分类统计与计数逻辑
4. 设备标识（Device ID）绑定与关联
5. 时间戳（Timestamp）获取与格式化
6. 检出数据结构初始化与缺省填充
结构化JSON数据封装与Agent对接
Python 字典对象（Dict）组装构建
2. JSON 序列化与数据合法性校验
3. 异常检测事件过滤与阈值判定
4. 上下文 Payload 格式规范定义
5. 基于 API/MQ 向 LLM Agent 推送数据
6. 结构化日志持久化与本地留存

▎第三天

LLM API开发与应用实践
DeepSeek-V3 API 接入与模型选择
2. Token 用量计算与 Temperature 配置
3. 多轮对话与 Chat Completion 聊天机器人
4. 结构化 JSON Output 输出控制
5. Function Calling 工具调用与拓展
6. 上下文硬盘缓存与智能翻译助手实战
LangChain基础与 Prompt模板设计
LangChain 核心组件与 Chain 链式架构
2. Dynamic Prompt 设计与结构化 JSON
3. Structured Output 解析器（Pydantic Output Parser）
4. ChatModel 接入与模型参数调优
5. ConversationBufferMemory 交互历史状态
6. 基于 LangChain 的安全风险判
7. RunnableChain 构建
LLM Agent智能决策与RAG深度分析
Agent 核心工作流：从感知 JSON 到推理决策
2. 规程库RAG 检索：关联工业安全与违规标准
3. 多维度风险评估与隐患等级自动判定
4. 综合安全巡检报告自动生成（Markdown/HTML）
5. Agent 工具调用（Tool / Function Calling）机制
6. 基于 ReAct 模式的复杂生产安全决策推理
MCP接入、工单系统与多通道通知
MCP（Model Context Protocol）接入与通信
2. 自动化安全隐患工单（Ticket）创建与派发
3. 企微/飞书/钉钉Webhook告警消息推送
4. 高风险事件API触发与应急联动控制
5. 异常响应状态回调与处置结果闭环
6. 多通道通知机制在工业巡检场景的落地实践

05 讲师介绍

刘老师国内顶尖AI专家、大数据技术专家

西安邮电大学计算机科学与技术专业。拥有着20多年软件研发与企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通机器学习、深度学习、大模型技术。他的专业素养和教学能力备受学员赞誉，是众多技术爱好者心中的楷模。

AI深度学习方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、YOLO、OpenCV熟悉主流机器学习算法、各种神经网络结构和图形图像识别技术。

LLM大模型方向：DeepSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微调、DeepSeek分布式训练、MindFormers生态、MoE混合专家模型。能根据客户的需求实现定制化的模型私有化部署、微调、对齐、量化。并对LangChain、LlamaIndex、Dify等大模型框架有源码级的理解。

邹老师某工业大学人工智能研究院院长

博士学历，毕业于中国地质科学院，兼任天津大学创业导师、山东交通学院客座教授、硕士生导师。主持研发50多个人工智能领域工业级项目，广泛应用于能源、医疗、交通、气象、银行等多个领域。硕博期间主持研发大型行业建模软件，代码量100万行（从底层开发是考虑后期维护和产权）。创立的睿客邦与国内十多所高校建立了AI联合实验室或实训基地广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。成立中国科学院邹博人工智能研究中心，在翔创、天识等公司担任技术顾问，曾在多个在线平台授课，广受网友好评，累计学习人数超过百万。公开出版《强化学习》、《Python深度学习实践》、《自然语言处理》等11部专著和译著。在国内外期刊会议发表论文10余篇，获得国家发明专利1项，著书1本，译书6本。2017年主持科研项目荣获国土资源科学技术一等奖。为众多知名企业进行过上百场讲座和内部培训，其中包括中国移动、CSDN、中国建设银行、花旗银行、中信集团、中航信、烽火科技、京东方、中科曙光、京东、大唐、完美世界等。

06 课程收益

通过展示教师的实际科研成果，讲述人工智能目标检测开发全链路与LLM Agent智能决策系统开发方法、PaddleDetection与LangChain等开发工具使用。使学员获得：
理论知识与技能提升
掌握目标检测核心算法YOLO/PP-YOLOE与评估指标体系IoU/mAP，精通PaddleDetection训练部署、检测结果解析与JSON数据封装推送，具备全链路开发能力。
大模型与智能系统开发能力
掌握DeepSeek-V3 API接入与Function Calling开发，精通LangChain核心组件与动态Prompt设计，具备基于ReAct模式的Agent智能决策与RAG检索增强生成系统开发能力。
行业洞察与经验积累
深入理解目标检测在工业缺陷检测、安全帽识别等场景的落地实践，积累MCP接入、工单派发、多通道告警通知的全链路项目实施经验。
创新思维与综合能力培养
掌握LLM Agent结合结构化视觉检测数据进行推理决策的方法，理解规程库RAG检索与检测结果融合的应用模式，培养复杂场景问题解决能力。
职业发展与竞争力提升
系统掌握目标检测→结构化解析→Agent决策→多通道通知全链路技能栈，积累智能制造与工业安全领域实战经验。