课程简介
在数字化运营竞争白热化的当下,企业对于高效、智能运营手段的需求达到了前所未有的高度。传统运营模式在应对海量数据、复杂业务场景以及快速变化的市场需求时,逐渐暴露出效率低下、决策滞后等弊端。如何借助前沿技术实现运营的智能化升级,成为众多企业亟待解决的关键问题。
ChatGPT作为人工智能领域的划时代产物,以其强大的自然语言处理能力和卓越的对话交互性能,为运营领域带来了全新的变革契机。它能够理解人类语言的细微差别,生成自然流畅且富有逻辑的文本内容,在客户服务、内容创作、数据分析等多个运营环节展现出巨大的应用潜力。
本课程聚焦ChatGPT与AI生成技术革命,通过"理论认知-技术拆解-场景落地-共创实践"四阶体系,深度解析AI生成技术底层逻辑与赋能路径。帮助学员掌握大模型预训练与微调技术、提示词工程化设计等核心能力,结合实际案例,探索AI在降本增效、创意革命及产业升级中的落地场景。最终通过共创工作坊产出可落地的AI+行业解决方案,助力企业实现技术跃迁与商业模式进化。
课程收益
1、帮助学员深入了解ChatGPT及其背后的大模型预训练和微调技术,掌握其在不同领域和场景下的应用方法;
2、帮助学员掌握提示词(Prompt)工程化技巧,实现精准高效沟通;
3、帮助学员掌握ChatGPT在互联网运营、通用功能和技术场景以及通用商业场景等多个领域的应用,拓展应用场景思维
受众人群
企业中的高层管理人员或项目经理,用户运营、市场推广、品牌策划等岗位的运营从业者,
数据分析师与数据科学家及对AI和机器学习感兴趣的人员。
课程周期
2天(12H)
课程大纲
标题 | 授课内容 |
一、宏观篇:ChatGPT和Sora改变世界 | 1. 来自Sora的启发 (1) 视频生成领域的突破,成本下降到1% (2) 多模态生成的融合 (3) 物理世界模拟器的潜力 (4) 内容创作的民主化 (5) 技术挑战与伦理考量 (6) 对现有行业的颠覆 (7) 案例:电影行业将被颠覆,成本指数级下降,好莱坞停止9亿美金投资 2. 宏观认知 (1) 2024年政府工作报告关于chatGPT会议结论的政策解读 (2) 人工智能的iphone时刻/登火箭时不要问坐那个座位 (3) AI的影响可能是反人性的 (4) chatGPT的影响可能是文艺复兴级的 (5) 新的大国竞争和wintel联盟 (6) 上一轮人工智能进入尾声 (7) 案例:AI渗透进所有广告媒体 (8) 案例:AI渗透进所有娱乐窄体 (9) 案例:3人公司干了30个人的活 (10) 案例:AI从高大上走入民间 3. ChatGPT的先进性 (1) ChatGPT具备诸多先进性特征 (2) ChatGPT 提升的核心点 (3) ChatGPT 提升的原因 (4) ChatGPT 提升的领域 (5) ChatGPT得益于通用(基础)模型所构建 AI 系统的新范式 (6) 案例:利用ChatGPT解决政府项目财评预算300万,替代15人员。 (7) 案例:20分钟排版300页项目调研报告 4. ChatGPT的局限性 (1) 机器幻觉 (2) 知识库问题 (3) 信息安全 (4) 跨境传输 (5) 案例:传音集团的AIGC安全实践 |
二、ChatGPT赋能编程 | 1. ChatGPT如何赋能编程实践?项目管理 2. ChatGPT如何赋能编程实践?代码管理 3. ChatGPT如何赋能编程实践?测试用例 4. ChatGPT如何赋能编程实践?产品需求 5. ChatGPT如何赋能编程实践?规模运维 6. 案例:广州自来水公司的ChatGLM实践(文) 7. 案例:广州自来水公司的SD实践(图) 8. 案例:某IT公司的GitHub Polit的平替 9. 案例:XX公司的AI编程实践:组织转型、培训、日常组织运营跟进、考核激励 |
三、大模型预训练和微调技术过程 | 1. 什么是预训练 (1) 为什么要预训练--中文表现不佳 (2) 为什么要预训练--领域知识不足 (3) 为什么要预训练--有时候微调不解决问题 (4) 为什么要预训练--行业实践 2. 什么是微调 (1) Instruct tuning (2) Alpaca微调过程 (3) Vicuna-13B 的训练、评估和推理 (4) 微调国内实践 3. RAG实践 (1) 案例:某教育科技公司的微调 (2) 案例:某餐饮公司的RAG实践 (3) 案例:有赞的大模型实践 |
四、提示词实践 | 1. prompt的一个本质 2. Prompt的二个心法 3. Prompt的三项沟通要点 4. prompt的四项chat法则 5. prompt的五个业务法则 6. Prompt的六条咒语 7. Prompt的七项注意 8. Prompt的天龙八部 9. Prompt的追问法则 10. prompt的继续法则 11. Prompt的工程化:Auto Prompt,COT prompt, Prompt Perfect 12. 什么时候该选择3.5,什么时候该选择4.0? |
五、互联网运营场景 | 1. 用户画像提炼 2. 用户情绪判断 3. 用户意图识别 4. 自动运营发布(素材抓取+内容生成+自动发布) |
六、通用功能和技术场景 | 1. 测试方向:自动化测试、质量控制等应用。 2. 数据分析方向(code interpreter):数据挖掘、预测分析等应用。 3. 生图分析:图像生成、设计辅助等应用。 4. 生文分析:各类生文应用。 5. 生代码分析:代码自动生成、程序优化等应用。 6. 讨论:软件(1.0)定制,软件(2.0)AI小模型,软件(3.0)AI大模型的应用和开发范式有什么不同? |
七、通用商业场景 | 1. 客服:智能客服系统的构建与优化。 2. 新媒体营销:内容创作与传播的智能化支持。 3. 电商运营:运营效率的极致提升。 4. 财务:财税等应用。 5. 全媒体营销:知识库+RPA多平台营销策略与协同应用。 6. HR:提单的智能支持。 7. 本地知识库:本地化知识管理。 8. 案例:GPT之家的全媒体运营实践 |
八、场景共创 | 1. Step1:第四章案例讲解后,第一天下课前,请各小组准备好第二天上午需要分享的产品(名字)、方向和简单的理由,并请1名小组代表来分享,这个产品可以基于公司现有产品/解决方案,或者想要做的某个模拟产品均可 2. Step2:第二天上午在老师指导下完成产品设计 3. Step3:第二下午第一个小时,每个小组需轮流上台讲解本组的产品设计输出成果,老师点评后相关PPT发送给公司管理层,争取一个项目进入立项流程。 |
九、沙盘演练 | 1. 练习AI生成PPT、视频、文本、翻译 |
Nathan Li
百林哲咨询(北京)有限公司专家团队成员
Nathan Li
百林哲咨询(北京)有限公司专家团队成员
Nathan Li
百林哲咨询(北京)有限公司专家团队成员
Nathan Li
百林哲咨询(北京)有限公司专家团队成员
Nathan Li
百林哲咨询(北京)有限公司专家团队成员
Nathan Li
百林哲咨询(北京)有限公司专家团队成员
Nathan Li
百林哲咨询(北京)有限公司专家团队成员