我们用AI 赋能，为 200 多个行业客户提供AI 解决方案，并顺利实现了商业化，积累了丰富的经验。AI技术快速发展，尤其是大模型的出现及火爆，导致了就业市场出现了相关人才的短缺，面对此类工作岗位人才的巨大缺口，我们运用自身6年的人工智能项目经验，结合当下不断迭代的最新AI技术，研发出适合当前就业市场需求的AI大模型算法工程师课程，促使越来越多的有志之人投身于人工智能大发展的浪潮中。
✔ 上海、苏州、杭州、北京、深圳等多家AI合作企业
✔ 推荐入职上述企业的人工智能及相关研发岗位工作
✔ 通过考核的学员获得上海交大教育AI大模型算法工程师培训证书
✔ 学习未达标者，提供免费重修服务
✔ 熟悉各类AI大语言模型和多模态大模型，能私有化部署；
✔ 熟练使用 LangChain等框架，对RAG，Agent有深入理解和思维链设计。；
✔ 负责相关产品的模型训练和服务部署；
✔ 对主流的大模型（GPT、文心一言、百川、chatGLM、通义、LLaMA等）有较丰富的使用经验和prompt微调经验；
✔ 掌握大语言模型SFT/LoRA/RLHF等技术，提升特定任务的大模型能力；
✔ 熟练掌握主流深度学习框架pytorch，LLM训练并行框架Deepspeed等多机多卡方案；
✔ 跟踪大模型领域前沿技术，提出创新思路来推动算法升级和业务发展。
| 岗位名称 | 工作经验 | 岗位职能 |
|---|---|---|
| AI大模型算法工程师 | 一年至三年 | 能够应用相关工具和框架进行大模型的微调和优化 |
| 大模型算法高级工程师 | 三年以上 | 对大模型的训练和部署有深入理解，能够独立完成与大模型相关的各种项目 |
| 算法专家 | 五年以上 | 熟悉常见的机器学习和深度学习算法，具备扎实的算法功底和编程能力 |
| 技术总监/CTO | 十年以上 | 管理层，组建技术团队并带领技术团队开展产品研发、测试以及保证项目顺利交付的能力 |
温同学
有机化学博士后，毕业于中科院化学所，后进入医药公司从事结构生物学和药物的研究，但是发现很多以前解决不了的问题可以通过人工智能技术解决。因此通过各种渠道了解，决定学习人工智能。坐标上海，**上市公司，做3d人脸识别。
唐同学
经过几个月的学习，可以学到真东西，真正踏入人工智能的行业，毅然全职参加学习。信息管理与信息系统专业，之前在上海做DBA，后面看好AI这个赛道。坐标上海阿里巴巴旗下**企业担任算法工程师。
张同学
本科，内江师范学院；测绘专业，毕业后做了一段时间本专业工作。当初是因为表弟建议说人工智能行业发展好，就过来学习了，同桌是计算机专业的也对他有很大帮助，让完成了从零到一。坐标上海某公司。
李同学
研究生，中科院光电所；计算机视觉，研二过来学习，应届研究生过来参与项目。目前在坐标上海拼多多，担任算法工程师。
黄同学
本科，四川外国语大学；英语专业，重庆人，毕业后从事人事工作两年，后面看好人工智能行业转型。坐标在上海*车企，担任算法工程师。
阙同学
本科，石河子大学；电信专业，之前是同学在这里学习工资高，就打算转行过来了。目前坐标上海，上海****科技有限公司。
丁同学
本科，青岛大学；信息工程学院-网络工程，西安人，之前在西安做了两年运维工程师，后面因为看好AI的赛道，从西安过来学习人工智能。目前在坐标上海某大厂担任算法工程师。
陈同学
本科，西南民族大学；因为大学期间就自学过一些机器学习和神经网络，但是也知道自己还是比较欠缺经验和项目而且也不是很体系，看了下体系确实很不错主要是本身也是AI公司就过来了.目前坐标东莞，步步高。
移动端开发，C++/Java有项目研发经验，代码能力强，学习后薪资涨幅较高。
计算机、人工智能、软件工程、数学、电子信息等相关的专业，本科及硕士人群。
项目管理、产品经理、或者细分行业准备做智能化升级的负责人。
已在AI领域发展，期望进行大模型研发的从业者。
上海交大教育（集团）有限公司于1999年8月4日设立，注册资本1.5亿元人民币，股东为上海交大产业投资管理（集团）有限公司和上海新南洋昂立教育科技股份有限公司。集团以独立法人经济实体的形式对外发展终身教育事业，传承 “起点高、基础厚、要求严、重实践、求创新”的醇厚传统，秉持“严谨、务实、创新”的质量方针，为打造社会化教育平台，充分发挥自身在教育、人才、技术及信息方面的资源和优势并服务于社会。
前沿AI应用架构师与企业级AIGC实战专家。 拥有近20年软件研发与架构经验，曾任甲骨文（Oracle）资深数据架构师、腾讯云技术专家。 他擅长将大语言模型（LLM）技术与企业核心业务（如商业预测、运营分析）相结合，主导开发并交付了多个覆盖快消、医疗等行业的AIGC应用项目。
软件开发与AI实战专家。 拥有近二十年软件研发与教学经验，精通Python、人工智能（机器学习、大模型）及企业级低代码/RPA技术。 曾主导研发多个大型项目，近年深度参与中国管理学会大数据专业委员会牵头的AI大模型项目落地，实战经验覆盖工业、教育、办公自动化等多个领域。
AIGC人工智能与数字化新媒体实战讲师。 拥有15年互联网及6年新媒体从业经验，上海交大教育集团高级讲师。 他精通AIGC应用、智能体开发及新媒体营销，擅长将大模型技术与企业应用场景深度结合。 致力于为企业提供私有化大模型搭建、智能体开发等一站式解决方案，实现降本增效。
人工智能与大数据运维分析专家，芝加哥伊利诺伊理工学院计算机硕士。 拥有15年以上Python开发与架构经验，曾任阿里巴巴大数据资深专家，具备超700台大规模机器的实战经验。 他精通Hadoop大数据生态与AIGC技术，在LLM模型调优、RAG及LangChain等方面经验丰富。 曾主导网易金融量化分析平台、智能客服系统等多个AIGC项目的研发。
复旦大学数学科学学院金融工程硕士，上海交大教育集团高级讲师，8年授课实战经验。 曾任职于某征信公司及京东金融，主导供应链风控与信贷风控系统开发，逾期率控制在0.3%以下。 擅长机器学习、深度学习、Python数据分析与挖掘、Power BI可视化等，曾参与多项上海市政项目与企业AI技术研究与实施。
某跨国公司AI架构师（世界500强），金融行业AI大模型实战讲师，微软专家级和SAFe认证； 16年Java经验，2年LLM企业部署研发实战经验，精通Python、LangChain、微调ChatGLM/LLaVA； 主导智能客服、AI数字人等项目，6年企业级培训经验。
基础阶段（选修）：Python开发和数据分析
| 课程内容 | 课程大纲 |
|---|---|
| Python开发基础 |
1、Python概述 2、Python语法基础 3、函数 4、内置函数 |
| Python开发进阶 |
（1）Python面向对象高级编程 （2）模块 （3）Python正则表达式 （4）Python与数据库编程 （5）Python多进程与进程间通信 （6）Python多线程 （7）项目实践 |
| Python数据分析 |
1. 数据科学和AI概述 2. 数据结构和算法 3. Python 数据分析与数据挖掘简介、环境搭建 4. Python数据分析工具箱 5. 数据加载与存储 6. 数据规范化和处理 7. 数据分析、数据挖掘、数据可视化 |
第一阶段：人工智能时代的定位与竞争力
| 课程内容 | 课程大纲 |
|---|---|
| 人工智能的技术演进史、技术架构 |
（1）人工智能技术演进史 --从规则系统到神经网络 --AI产业格局 （2）技术基本原理与分层架构 --算力、算法、数据铁三角 --PyTorch与TensorFlow |
| 大模型和AIGC入门讲解 |
（1）大模型定义与演进 （2）AIGC的技术栈与企业级流水线 |
| 体验大模型 |
体验大模型 |
| 大模型企业应用解决方案讲解 |
（1）行业解决方案 （2）实施路线图 |
| 实战工作坊 |
（1）工作场景、学习场景、生活场景、社交与个人成长场景提示词 （2）专业咨询与高级提示词 |
| 定位与竞争力 |
数字体力向数字脑力转型的定位与竞争力分析 |
第二阶段：意图驱动Vibe Coding实战
| 课程内容 | 课程大纲 |
|---|---|
| 搭建AI大模型开发环境 |
（1）Linux基本操作和常用命令 （2）Docker基础 （3）XShell操作 （4）国产操作系统部署与使用 |
| AI算力配置 |
（1）算力概述 （2）本地算力使用与讲解 （3）云端算力配置与使用 |
| 开源AI大模型部署 |
（1）Ollama部署 配置局域网访问与单机多卡使用 （2）主流开源大模型部署与使用 |
| Vibe Coding实战 |
（1）高阶系统提示词 (System Prompts) 与架构建模 （2）利用 TRAE、Cursor、Claude 实现全链路意图驱动开发 （3）自然语言驱动的代码重构、测试与系统维护 |
第三阶段：数据探索EDA与深度学习
| 课程内容 | 课程大纲 |
|---|---|
| 面向大模型的 EDA 与特征工程 |
（1）数据探索EDA （2）垃圾进，垃圾出（GIGO） （3）理解数据分布如何影响效率 |
| 从感知机到深度学习 |
（1）多层感知机 (MLP)、激活函数、梯度下降与反向传播算法（BP） （2）损失函数 (Loss Function) 、激活函数 （3）模型训练过程 （4）FNN原理与实战 （5）CNN原理与实战 （6）RNN原理与实战 （7）LSTM原理与实战 （8）GRU原理与实战 （9）预训练模型、公开数据集与竞赛 （10）不同神经网络的应用场景分析 （11）神经网络的Web服务化 |
第四阶段：AI大模型全生命周期
| 课程内容 | 课程大纲 |
|---|---|
| 论文《Attention is All You Need》解析 |
（1）Self-Attention（自注意力机制）、多头注意力 （2）位置编码 （3）Encoder-Decoder 架构 （4）Bert与GPT源码分析 |
| AI大模型架构演进 |
（1）从单体 Transformer 到 MoE（混合专家模型） 的架构 （2）AI大模型预训练与微调 （3）Bert、GPT、LLama、Deepseek架构对比与选型 |
| AI大模型量化 |
（1）量化的定义 （2）量化实战（AWQ、GGUF等） （3）AI大模型蒸馏 |
| AI大模型高效微调 |
（1）PEFT（Parameter-Efficient Fine-Tuning）微调 （2）实战 LoRA、QLoRA （3）实战IA3与其他微调 （4）LLamaFactory实战 （5）实战：微调GPT、Bert、Qwen |
| AI大模型对齐 |
（1）RLHF人类道德对齐 （2）PPO与DPO算法 |
| AI大模型推理加速与vLLM引擎 |
（1）KV Cache优化与FlashAttention （2）实战部署vLLM （3）对比ollama与vLLM |
| 开源AI大模型选型与对比 |
（1）模型范式差异 （2）场景与任务映射 （3）选型决策 |
| AI大模型多模态 |
（1）交叉注意力机制 （2）多模型预训练模型（LLaVA、Qwen VL\TTS、Deepseek OCR） |
| AI大模型API访问 |
（1）Deepseek API key （2）兼容第三方的API key |
第五阶段：智能体系统与多Agent协作
| 课程内容 | 课程大纲 |
|---|---|
| 从LangChain 到 LangGraph |
（1）开发环境搭建 （2）LangChain 的表达式语言 (LCEL) （3）反思 (Self-Reflection) 和 计划 (Planning) 能力的单体 Agent （4）实战 LangGraph，利用“图”的思想管理 Agent 的循环逻辑和持久化状态。 |
| MCP、OpenClaw与工具箱(Skills) |
（1）实战 MCP (Model Context Protocol)，将企业内部数据库、本地文件和三方 API 统一抽象为模型的“上下文接口”。 （2）介绍OpenClaw 或类似框架，开发具备网页操作、GUI 交互能力的自动化 Agent，实现从“口头指挥”到“自动操作”的跨越。 （3）技能 (Skills) 库工程化 （4）Function Calling 的稳定性调优 |
| 企业级低代码平台 |
（1）Dify、MaxKB、Coze平台简介与部署 （2）多智能体协作 (MAS) 模式： 设计“主从模式”、“对等模式”等协作拓扑。模拟企业真实岗位（如：产品经理 Agent + 程序员 Agent + 测试 Agent），处理复杂的长链业务。 （3）企业应用闭环： 针对电信、软件研发等实际场景，完成一个从需求分析到自动化执行的完整 Agent 项目 |
| Agent架构选型 |
（1）产品经理快速选型 （2）基于业务复杂度的Agent架构选型 |
| Openclaw与Hermes |
（1）Openclaw安装、配置与skill使用 （2）Hermes安装、配置与使用 |
第六阶段：知识增强架构RAG
| 课程内容 | 课程大纲 |
|---|---|
| 实战LLamaindex与RAGAS |
（1）LlamaParse 对复杂 PDF、表格及多模态文档的语义化提取 （2）Recursive Retrieval（递归检索）与 Small-to-Big（由点及面）检索 （3）混合检索 (Hybrid Search)，向量语义检索 + BM25 关键词检索”的加权融合（RRF 算法） （4）精排架构 (Reranking)叉编码器 (Cross-encoders) （5）查询转换 (Query Transformation) （6）ragas对RAG进行评估 |
| GraphRAG 与 Agentic RAG |
（1）图谱增强 (GraphRAG)利用图数据库（Neo4j）构建实体关联 （2）Agentic RAG (自反思检索)： 设计具备“检索-评估-重检索”闭环能力的智能体。如果模型发现召回内容不匹配，能自主触发重新搜索或扩大搜索范围。 （3）RAG 评估体系 (Ragas/TruLens)： 构建量化的评估流水线 |
| 企业级RAG项目实战 |
从0到1的项目实战 |
第七阶段：企业级AI应用项目闭环
| 课程内容 | 课程大纲 |
|---|---|
| 算力适配 |
（1）华为昇腾算力适配 （2）通用算力适配 |
| 容器化部署 |
（1）docker构建 （2）docker部署 （3）docker compose实战 |
| 全栈可观测性与监控 |
（1）AI 专项指标监控 （2）普罗米修斯 |
| 企业级评估体系 |
（1）LLM-as-a-Judge 模式，针对 RAG 和 Agent 的性能进行量化打分。 （2）建立 HITL（人机协作） 反馈机制 |
| 技术面试指导 |
基础知识面试指导 项目方案面试指导 行业信息面试指导 |
| 沟通能力提升 |
（1）金字塔法则 （2）STAR法则 |
上海市徐汇区乐山路33号交大科技园B栋4层
周一至周日 9:00-19：00
400-820-7975，微信：qiu297666（张老师）
