政务培训|LLM大模型在政府/公共卫生系统的应用

简介: 本课程是TsingtaoAI公司面向某卫生统计部门的政府职员设计的大模型技术应用课程,旨在系统讲解大语言模型(LLM)的前沿应用及其在政府业务中的实践落地。课程涵盖从LLM基础知识到智能化办公、数据处理、报告生成、智能问答系统构建等多个模块,全面解析大模型在卫生统计数据分析、报告撰写和决策支持等环节中的赋能价值。

本课程是TsingtaoAI公司面向某卫生统计部门的政府职员设计的大模型技术应用课程,旨在系统讲解大语言模型(LLM)的前沿应用及其在政府业务中的实践落地。课程涵盖从LLM基础知识到智能化办公、数据处理、报告生成、智能问答系统构建等多个模块,全面解析大模型在卫生统计数据分析、报告撰写和决策支持等环节中的赋能价值。通过理论与实操结合,学员将学习如何利用LLM技术提升数据处理效率,优化报告编写流程,并借助智能搜索与知识库构建实现信息快速获取,从而构建一套智能高效、可靠的工作流程,助力部门在数据驱动的治理决策上实现质的提升。本课程不仅讲解LLM工具的使用,还深度结合卫生统计的实际业务场景,为政府部门的数字化转型提供实用方案。

培训目标

  1. 掌握LLM基础及应用技能:系统学习LLM的核心原理及其在文本生成、智能问答、数据分析等方面的应用,建立对大模型技术的基础理解。
  2. 赋能卫生统计业务:通过智能化的文档生成、数据处理及知识库构建,使学员能够使用LLM提升日常工作的效率和质量,涵盖报告撰写、数据分析等关键环节。
  3. 构建智能工作流程:培训学员利用AI构建智能化办公体系,包括自动化数据清洗、报告生成及决策支持系统,推动部门在政策法规检索、健康数据分析等方面的数字化升级。
  4. 确保数据隐私与安全合规:强化对数据安全与隐私保护的理解,熟悉数据脱敏与LLM安全管理,确保在数据处理和模型使用过程中符合隐私合规要求。

课程安排

课程一共4天,每天6小时

课程大纲

第一模块:LLM与人工智能基础概述

  • 背景与概念
    • AI基础与发展简史:从传统算法到大语言模型的演进
    • LLM的核心技术:自然语言处理、生成式预训练模型、Transformer等
    • 卫生统计部门对AI与LLM的潜在需求与应用前景
  • 主流LLM介绍
    • 典型大模型:GPT系列、BERT、T5等概述
    • 大模型应用场景概述:文本生成、问答系统、文档总结、数据填报等
    • 案例分享:如何利用大模型优化政府部门流程

第二模块:LLM技术在卫生统计部门的应用场景

  • 智能化数据处理
    • 数据清洗与整理:利用LLM高效清洗冗余数据、识别错误信息
    • 数据标准化处理:利用大模型自动化数据格式化和分类
    • 统计数据的更新与维护:自动生成数据填报模板和定期报告
  • 智能文本生成
    • LLM在报告生成中的应用:大模型自动生成统计报告摘要
    • 公文写作与总结:基于LLM提升报告和文档撰写效率

第三模块:数据分析与可视化

  • 数据分析的AI辅助
    • 利用LLM进行数据趋势分析和解读,快速生成数据概述
    • 卫生统计数据的智能化整理与分类,支持决策分析
    • 案例研究:如何使用LLM提高统计数据分析效率
  • 数据可视化工具
    • 工具简介:Power BI、Tableau 等
    • 实践操作:结合大模型生成的分析结论,制作直观的数据可视化图表
    • 案例演示:基于卫生统计数据的可视化报表生成

第四模块:LLM工具的介绍与实践应用

  • 文本处理工具
    • 工具介绍:GPT、BERT在智能文档生成与处理中的应用
    • 文档处理实践:智能摘要生成、内容自动补全
  • 提示词工程(Prompt Engineering)
    • 提示词的设计原则与技巧:如何通过优化提示词提升模型效果
    • 常用提示词模板:适合卫生统计数据分析、报告生成等场景的提示词案例

第五模块:LLM在日常办公流程中的应用

  • 会议记录与信息提取
    • 利用LLM实现自动化会议记录、要点提取和总结
    • 快速生成会议纪要并生成后续工作清单
  • 智能搜索与信息检索
    • 使用LLM实现高效信息搜索:如卫生统计相关政策、法规的查询
    • 工具实操:如何快速检索、总结重要文件和法规条款
  • 公文翻译与审校
    • 基于LLM的多语言支持,帮助快速翻译和审核卫生统计相关国际文档
    • 模型实操:如何快速生成准确的中文译文,并通过提示词进行翻译优化

第六模块:智能问答系统与知识库建设

  • 问答系统搭建
    • 如何利用大模型构建卫生统计知识问答系统,帮助快速解答政策问题
    • 实际案例演示:构建智能问答系统的流程
  • 智能知识库构建
    • 通过大模型对部门内部数据进行知识图谱构建
    • 维护和更新知识库:确保数据及时、准确

第七模块:数据隐私与模型安全

  • 数据隐私保护
    • LLM的隐私保护机制,理解如何保护敏感数据
    • 数据脱敏技术介绍:如何处理敏感卫生统计数据
  • 模型安全与伦理
    • 模型的偏见与公平性:如何减少模型偏见,确保数据结果的准确性和公正性
    • 安全管理策略:保障LLM应用过程中的安全性,防止信息泄露

第八模块:项目实战与应用案例演练

  • 综合案例:从数据处理到报告生成
    • 案例描述:基于卫生统计数据集的报告生成项目
    • 实战演练:从数据清洗、分析到报告生成的全流程操作
  • 模型应用效果评估
    • 通过实际案例,评估LLM应用效果:改进空间与优化建议
    • 项目总结与答疑:学员提出问题、分享培训中的收获

课程讲师推荐

陈老师 大模型算法及应用开发资深专家

超过10年的AI、数据科学、软件开发和系统架构经验,专注于人工智能生成模型(AIGC)、Python、Java语言方向。现任TsingtaoAI研发及算法项目负责人。陈老师以其深厚的AI技术背景和丰富的实践经验,致力于通过高质量的培训课程帮助学员提升专业AI技能。在科技行业大模型技术的研发和实际落地方面拥有广泛的实践经验,并且多次主导和参与了针对科技行业的大模型技术培训和辅导项目。

教育背景

  • 2005.09—2008.07 天津大学 计算机科学与技术 硕士
  • 2001.09—2005.07 山东大学 计算机科学与技术 学士

过往培训内容

  • 大模型(LLM)技术原理与应用
  • AIGC应用开发实践课程:多模态大模型应用开发
  • 大模型在科技行业的具体落地案例分析
  • 金融科技行业数据分析与智能决策
  • 机器学习与神经网络基础及进阶
  • Python及Java编程语言应用

培训案例

  • TsingtaoAI:为公司研发团队进行大模型技术培训,内容涵盖大模型的基本原理、开发实践以及在科技和营销业务中的应用。
  • 苏泊尔:对IT/AI技术团队进行大模型技术培训,提升团队对大模型技术的理解、掌握和应用能力。
  • 建设银行:开展关于大模型技术系统的专题培训,分享大模型系统设计、RAG技术实现及实际应用中的经验和挑战。

工作&专业经验

  • TsingtaoAI:研发及算法负责人,负责相应的大模型微调及应用开发,开发产品包括:基于数隐产业图谱的数据流通服务平台;基于GLM大模型的智能客服应用平台;基于多模态大模型的动物X光片智能诊断系统;基于LLM的AIGC应用开发实训平台;辅助教师备课和教学的AIGC教育大模型应用平台;基于大模型的轨道交通质量安全交互系统;基于大模型的教育行业应用平台;基于大语言模型的AIGC案例学习平台;面向HR的大语言模型应用平台。负责大模型技术在教育培训中的应用与推广。
  • 360数科:资深算法专家,根据实际业务需求,搭建完善全生命周期的风控模型产品体系,有效识别客群降低风险;对内外部数据进行特征衍生与挖掘,分析与评估,选择最合适,成本优,效果佳的数据源,平衡商业需求的同时,使得模型产品达到效果;负责项目中模型的研究、开发、部署、监控、维护、优化迭代全流程工作
  • 北京正己基业教育科技有限公司:架构师及算法研发,负责公司AI+SaaS平台的技术架构设计与实施。
  • 北京运道科技有限公司:技术负责人,主导智能物流及供应链金融平台的研发与应用。

大模型技术应用专家 林老师

16年产业数字化和智能化技术背景,北京航空航天大学计算机仿真专业硕士,挪威工作两年,连续创业者,深谙政府和企业的数字化技术路线。

AIGC知名创新企业墨见MoLook创始人和CEO,阿里云前解决方案总监,负责基于云计算、AI、IoT的产品和解决方案沉淀、业务拓展、生态建设,挪威软件公司Prediktor前中国区负责人,ICA联盟工作组组长,阿里云CIO学院讲师。连续3年阿里云产品销售额1亿+,曾服务于陕煤、美孚、中国国网、南方电网、中烟、上海电气、宝钢、物产中大、东方希望等客户。

擅长AIGC的视觉和文本技术,作为多个AIGC项目的负责人,对AI技术在企业落地方面有丰富的经验和深刻的见解。AI创业公司的LLM项目已落地南信投、欧冶、中烟等企业。视觉项目已落地苏美达、三彩、雅戈尔等企业。

其中南信投、欧冶、宏川等公司,林琚率领墨见为这几家公司提供了完整的AIGC解决方案,包括基础大模型、知识库RAG、工作流等方面的技术和应用落地。南信投(资金投资)作为江苏第一大国资金融集团,墨见帮助其搭建AI大模型应用平台,并打造智慧办公、数字员工等应用,与其数字化系统紧密结合。欧冶作为贸易金融公司,墨见帮助其打造票据审核、知识库等金融服务应用。

林琚深谙云计算、大数据、物联网、AI等技术原理和路径,以及在企业落地实现的方式。是技术落地企业的实战派。作为互联网产品解决方案负责人,林琚参与规划与建设了超过300个企业数智化项目,其中包括30个大规模项目,实战经验丰富。作为AIGC公司的创始人,对AI技术以及AI在企业的应用有深度理解。

过往授课主题及培训内容

  1. 大模型技术基础
    1. 大模型的基本原理与架构
    2. 主要大模型框架与技术应用
  2. 大模型在政府部门的应用
    1. 政府部门数据分析与建模
    2. 风险控制与预测
    3. 客户行为分析与推荐系统
  3. 多模态内容分析
    1. 多模态数据融合技术
    2. 图像、文本与语音数据的综合处理

LLM产品研发和培训案例

  1. 合作开发:金融风险预测系统
    1. 以外部核心技术身份参与金融科技企业研发项目,研发基于大模型的金融风险预测系统,成功提升了风险控制的准确性和效率。
    2. 为该企业技术团队提供大模型技术辅导和培训,覆盖数据预处理、模型训练与优化等内容。
  2. 合作开发:客户行为分析与推荐系统
    1. 主持开发基于多模态内容分析的客户行为分析系统,为受众提供个性化推荐服务。
    2. 对相关部门进行系统使用与大模型技术应用的培训,促进了新技术在实际业务中的落地。
  3. 南信投:大模型平台合作项目
    1. 与南信投合作开发大模型应用平台,推动大模型在政府部门的广泛应用。
    2. 提供针对内部技术人员的专项培训,涵盖大模型开发与应用的各个环节。

孙老师,资深大模型算法专家

毕业于中国科学技术大学自动化系,拥有20+年IT/AI经验,先后在IBM、华为、顺丰、KPMG等知名企服务于DBS,UBS,HSBC等大型银行客户。2023年起All in生成式AI应用创业,专注于AI咨询、系统实施和培训。精通生成式AI相关技术栈和应用系统设计开发。

2023.10-至今:生成式AI研发专家

ž 持续跟踪国内外开源和闭源大模型的发展动态,进行本地部署或通过API集成到系统,熟悉GPT, Claude, Gemini, Llama, Mistral, Command R, GLM, Qwen, Deepseek, Moonshot, Xunfei Spark, Ernie, Yi, MiniMax等模型,能够根据金融行业不同的业务场景进行模型选取

ž 熟悉大量开源嵌入模型和向量数据库,如BGE, Jina, Nomic等系统嵌入模型和Qdrant, Milvus, Chroma, LanceDB, Fincore等向量数据库,并能提供选型建议

ž 熟练掌握Langchain, Llamaindex, Langgraph等生成式AI应用开发框架,并能根据金融行业的业务场景选型和应用

ž 研究了多个开源和闭源平台级产品,包括Coze, DSPy和各模型厂商提供的在线chatbot和智能体平台等

ž 设计开发了多个生成式AI应用,从简单的多轮对话聊天机器人,到RAG、Agent、Agentic Workflow还有Vscode代码生成插件和浏览器插件;精通生成式AI应用系统架构设计和系统调优

ž 部署了stable-diffusion模型进行文生图能力评估测试,同时持续跟踪国内外文生图模型和平台发展, 熟悉国内厂商文生图平台及API

ž 部署并在系统种集成了speech-to-text和text-to-speech的模型,如Whisper, EmotiVoice

ž 进行了多场大模型技术应用培训,包括对政府部门的IT团队进行的“AIGC大模型技术的场景化应用“培训。

2017-2023,KPMG中国智能创新中心技术负责人

创建了KPMG中国智能创新中心,管理着从设计、开发、交付、上线到运维的全流程,团队规模将近500人。带领团队面向公司内外部客户设计和开发人工智能、大数据驱动的解决方案,围绕信用、风险、合规等业务领域构建知识库、算法模型和业务系统。服务的客户包括国内外知名企业,如HSBC,平安集团、招商银行、太平洋保险、蚂蚁金服等等。

2001-2014,IBM,从技术开发到业务管理

作为技术团队负责人,带领团队进行应用系统设计、开发、测试、上线和运维;服务的客户包括:PCCW、DBS、国泰航空、UBS、UPS、深圳机场物流园等。

韩老师 TsingtaoAI AIGC资深讲师

韩老师拥有超过7年的AI讲师经验和5年以上的培训管理经验,是一位在人工智能领域卓有成效的专家。她擅长大企业/政府AI体系的搭建、培训体系设计、AI团队建设、AI课程开发与讲授。她不仅具有扎实的AI理论基础,还在多个行业的实际AI项目中积累了丰富的实战经验。韩巧梅致力于推动企业的AI数字化转型,帮助组织在AI时代取得竞争优势。

教育背景

华中科技大学 硕士

可讲主题及培训内容

AI应用:音频与视频生成

管理与AI数字化技能

数字化管理与营销管理

AIGC应用实战训练营

AIGC赋能影视创作

培训及项目案例

深圳市科思科技股份有限公司:从0-1搭建AI数字化体系,创建了企业数字化营销管理体系,开发了全套AI课程,并推动企业内外AI培训体系的实施与优化。搭建企业线上培训平台“科学苑”,极大提高了技术支持的软硬技能和品牌知名度。

富士康科技集团 夏普科技(深圳)有限公司:主导组织多次新品发布会、招商会等大型活动,获得“Master讲师”称号。

一汽集团:开展AI赋能培训,面向营销线团队,以理论+实操的形式,带学员深入浅出掌握AI在汽车行业的具体应用。

个人资质

剑桥商务英语中级

计算机二级

普通话二甲

高等中学英语教师资格证

知乎AIGC培训讲师

关于TsingtaoAI

TsingtaoAI拥有一支高水平的产学研一体的AI产品开发团队,核心团队主要来自清华大学、北京大学、中科院、北京邮电大学、复旦大学、中国农业大学、美团、京东、百度、中国技术创业协会和三一重工等产研组织。 TsingtaoAI核心团队专长于算力、行业LLM/AIGC应用的产品研发,面向企业的大语言模型应用落地等业务,如面向智能客服、教育、人力资源、电商和轨道交通等行业领域的LLM和AIGC应用开发。公司拥有近10项LLM/AIGC相关的知识产权。

TsingtaoAI自研基于LLM大模型的AIGC应用开发实训平台、基于LLM大模型的AI通识素养课数字人助手、面向CS专业的AI训练实训平台和基于大语言模型的AIGC案例学习平台,聚焦虚拟现实、金融科技、医药健康、高端装备、新能源、新材料、节能环保、文化创意、农业科技和食品科技等关键行业,通过链接全球数以千计的关键领域的AI科学家和工程师,为央国企、上市公司、外资企业、政府部门和高校提供AI企业内训和高校实训服务。

目录
相关文章
|
1月前
|
人工智能 JSON API
阿里云文档智能 & RAG解决方案:提升AI大模型业务理解与应用
阿里云推出的文档智能 & RAG解决方案,旨在通过先进的文档解析技术和检索增强生成(RAG)方法,显著提升人工智能大模型在业务场景中的应用效果。该方案通过文档智能(Document Mind)技术将非结构化文档内容转换为结构化数据,提取文档的层级树、样式和版面信息,并输出为Markdown和Json格式,为RAG提供语义分块策略。这一过程不仅解决了文档内容解析错误和切块丢失语义信息的问题,还优化了输出LLM友好的Markdown信息。方案的优势在于其多格式支持能力,能够处理包括Office文档、PDF、Html、图片在内的主流文件类型,返回文档的样式、版面信息和层级树结构。
132 2
|
24天前
|
机器学习/深度学习 人工智能 自然语言处理
深挖大模型幻觉!哈佛大学最新报告:LLM等价于众包,只是在输出网络共识
大型语言模型(LLM)如ChatGPT正改变人机交互,但在生成看似真实的错误信息方面存在“幻觉”问题。这种现象源于LLM依赖统计概率而非语义理解,导致在处理争议或冷门话题时易出错。研究显示,LLM的准确性高度依赖于训练数据的质量和数量。尽管如此,LLM仍具巨大潜力,需持续优化并保持批判性使用。
45 12
|
27天前
|
人工智能 自然语言处理
大模型在装傻!谷歌苹果最新发现:LLM知道但不告诉你,掌握知识比表现出来的多
在AI领域,大模型(LLM)展现出了惊人的进步,但在谷歌和苹果的最新研究中,发现这些模型有时会故意“装傻”,即使已知正确答案也不告知用户。这种“隐藏智慧”现象揭示了大模型可能具备超出表面表现的深层能力,对AI评估与应用提出了新挑战,同时也带来了设计更高效模型的新机遇。论文链接:https://arxiv.org/pdf/2410.02707
40 11
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
【10月更文挑战第31天】2024年,AI大模型在软件开发领域的应用取得了显著进展,从自动化代码生成、智能代码审查到智能化测试,极大地提升了开发效率和代码质量。然而,技术挑战、伦理与安全问题以及模型可解释性仍是亟待解决的关键问题。开发者需不断学习和适应,以充分利用AI的优势。
|
1月前
|
自然语言处理 开发者
多模态大模型LLM、MLLM性能评估方法
针对多模态大模型(LLM)和多语言大模型(MLLM)的性能评估,本文介绍了多种关键方法和标准,包括模态融合率(MIR)、多模态大语言模型综合评估基准(MME)、CheckList评估方法、多模态增益(MG)和多模态泄露(ML),以及LLaVA Bench。这些方法为评估模型的多模态和多语言能力提供了全面的框架,有助于研究者和开发者优化和改进模型。
121 5
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
大模型强崩溃!Meta新作:合成数据有剧毒,1%即成LLM杀手
在人工智能领域,大型语言模型(LLMs)的快速发展令人瞩目,但递归生成数据可能导致“模型崩溃”。Meta的研究揭示,模型在训练过程中会逐渐遗忘低概率事件,导致数据分布偏差。即使少量合成数据(如1%)也会显著影响模型性能,最终导致崩溃。研究强调保留原始数据的重要性,并提出社区合作和技术手段来区分合成数据和真实数据。论文地址:https://www.nature.com/articles/s41586-024-07566-y
80 2
|
1月前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,企业越来越关注大模型的私有化部署。本文详细探讨了硬件资源需求、数据隐私保护、模型可解释性、模型更新和维护等方面的挑战及解决方案,并提供了示例代码,帮助企业高效、安全地实现大模型的内部部署。
155 1
|
1月前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,大模型在各领域的应用日益广泛。然而,将其私有化部署到企业内部面临诸多挑战,如硬件资源需求高、数据隐私保护、模型可解释性差、更新维护成本高等。本文探讨了这些挑战,并提出了优化硬件配置、数据加密、可视化工具、自动化更新机制等解决方案,帮助企业顺利实现大模型的私有化部署。
120 1
|
2月前
|
机器学习/深度学习 人工智能 自动驾驶
2024.10|AI/大模型在机器人/自动驾驶/智能驾舱领域的最新应用和深度洞察
本文介绍了AI和大模型在机器人、自动驾驶和智能座舱领域的最新应用和技术进展。涵盖多模态大语言模型在机器人控制中的应用、移动机器人(AMRs)的规模化部署、协作机器人的智能与安全性提升、AR/VR技术在机器人培训中的应用、数字孪生技术的优化作用、Rust语言在机器人编程中的崛起,以及大模型在自动驾驶中的核心地位、端到端自动驾驶解决方案、全球自动驾驶的前沿进展、智能座舱的核心技术演变和未来发展趋势。
185 2
|
1月前
|
机器学习/深度学习 人工智能 算法
AI赋能大学计划·大模型技术与应用实战学生训练营——吉林大学站圆满结营
10月30日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·吉林大学站圆满结营。

热门文章

最新文章