【培訓(xùn)對象】
企業(yè)高管團(tuán)隊、供應(yīng)鏈管理，行政管理，生產(chǎn)管理，設(shè)備管理，質(zhì)量管理，信息化系統(tǒng)等相關(guān)部門及企業(yè)數(shù)字化建設(shè)團(tuán)隊和所有關(guān)注AI發(fā)展的個人

【培訓(xùn)收益】
面向制造業(yè)高級管理與業(yè)務(wù)團(tuán)隊，深入淺出地剖析AI關(guān)鍵技術(shù)與大模型的結(jié)構(gòu)，讓學(xué)員深刻理解AI賦能制造業(yè)的底層機(jī)理，幫助企業(yè)開拓思路、動手嘗試高價值場景開發(fā)與專業(yè)模型構(gòu)建的主要工具鏈，理解工業(yè)邏輯的重構(gòu)及企業(yè)戰(zhàn)略、組織與技術(shù)的數(shù)字化變革。 課堂演示不同項目實例和相應(yīng)工具鏈：基于n8n構(gòu)建自然語言檢索MES系統(tǒng)的Agent項目、通過YOLO模型開發(fā)工業(yè)缺陷檢測項目等。通過場景案例的講解（工藝，質(zhì)量，排產(chǎn)，設(shè)備、供應(yīng)鏈等），鼓勵學(xué)員積極探索AI工業(yè)場景的落地及智能體構(gòu)建實踐

1.AI發(fā)展簡史與關(guān)鍵技術(shù)簡介
AI發(fā)展簡史與關(guān)鍵技術(shù)突破：從專家系統(tǒng)、機(jī)器學(xué)習(xí)到生成式AI
案例介紹：從規(guī)則到統(tǒng)計——讓機(jī)器理解人類自然語言的曲折過程
大語言模型核心原理簡介：Transformer架構(gòu)、預(yù)訓(xùn)練、微調(diào)、提示工程
動畫演示：“投喂數(shù)據(jù)”的背后邏輯——卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與圖像識別
如何用個人電腦本地化部署通用大模型（Ollama及主流LLM）
2.制造業(yè)數(shù)字化進(jìn)程與AI重構(gòu)邏輯
制造業(yè)數(shù)字化進(jìn)程的評估：從精益化、數(shù)字化到智能化
AI對制造業(yè)的賦能和影響特點(diǎn)：工業(yè)數(shù)據(jù)和工業(yè)機(jī)理的護(hù)城河
AI如何重構(gòu)制造業(yè)底層邏輯：從“效率提升”到“邏輯重構(gòu)”
案例介紹：某非標(biāo)高端裝備制造企業(yè)的AI賦能實踐（非標(biāo)項目的技術(shù)解讀、AI裝配工藝的降本增效等等）
AI+制造業(yè)的新范式：工業(yè)大模型的特點(diǎn)和應(yīng)用簡介
工業(yè)大模型的特殊性及典型實踐簡介
案例介紹：卡奧斯注塑工藝大模型是如何誕生的？
關(guān)鍵技術(shù)：“通用大模型+行業(yè)微調(diào)”與“行業(yè)大模型從零訓(xùn)練”的選擇
課堂討論：不同行業(yè)應(yīng)用工業(yè)大模型的切入點(diǎn)和產(chǎn)業(yè)鴻溝評估（時序數(shù)據(jù)、機(jī)理模型等）
3.高質(zhì)量數(shù)據(jù)與“專精”模型的構(gòu)建生態(tài)——體驗訓(xùn)練自己的大模型
缺乏行業(yè)數(shù)據(jù)訓(xùn)練的通用大模型的局限性（幻覺、適應(yīng)性、時效性）
工業(yè)大數(shù)據(jù)及企業(yè)基礎(chǔ)語料的特點(diǎn)（多源異構(gòu)、價值密度低、數(shù)據(jù)獲取難度大）
高質(zhì)量數(shù)據(jù)集與平臺的建設(shè)實踐
高質(zhì)量數(shù)據(jù)集的特征（技術(shù)含量、知識密度、價值應(yīng)用）
建設(shè)思路：工程、規(guī)范、工具、組織“四位一體”
案例演示：科大訊飛的高質(zhì)量數(shù)據(jù)集平臺與構(gòu)建實踐介紹
大模型的訓(xùn)練過程簡介（數(shù)據(jù)集、模型結(jié)構(gòu)、訓(xùn)練配置、評估與部署）
課堂演示：簡單了解大模型的開發(fā)環(huán)境（基于Python與PyTorch的模型訓(xùn)練）
課堂演示：工藝語料的“詞嵌入”、特征提取、多模態(tài)模型CLIP的訓(xùn)練與微調(diào)
4.工業(yè)智能體的技術(shù)簡介及實踐演示
從RAG、工作流到AI Agent的演進(jìn)
工業(yè)智能體的關(guān)鍵能力：感知環(huán)境、自主決策、執(zhí)行動作、持續(xù)學(xué)習(xí)。
案例介紹：智能體在制造業(yè)的應(yīng)用模式
課堂演示：基于n8n構(gòu)建自然語言檢索MES系統(tǒng)的Agent項目
5.基于AI開發(fā)的制造業(yè)賦能場景介紹
典型場景之一：基于AI小模型的機(jī)器視覺應(yīng)用
機(jī)器視覺的應(yīng)用架構(gòu)和應(yīng)用流程
課堂演示：基于YOLO的工件缺陷視覺檢測—數(shù)據(jù)集、訓(xùn)練與算法
AI知識遷移的主要形態(tài)及增量訓(xùn)練的實踐
案例分享：AI在鋼鐵行業(yè)的應(yīng)用案例或電子行業(yè)組裝作業(yè)的應(yīng)用（物料識別與防呆作業(yè)）
典型應(yīng)用場景之二：基于深度學(xué)習(xí)的高級計劃排程APS
案例分享：車間生產(chǎn)排程的演進(jìn)與APS算法（基于MATLAB程序的啟發(fā)式遺傳算法，染色體與適應(yīng)度函數(shù)）
應(yīng)用探索：自己動手，用Deepseek打造自己的APS AI Agent（注塑車間為例）
典型應(yīng)用場景之三：基于AI的設(shè)備故障診斷與預(yù)知性維護(hù)
基于深度學(xué)習(xí)的多模態(tài)特征融合技術(shù)
多模態(tài)注意力機(jī)制在檢測中的應(yīng)用
案例介紹：德國萊茵檢測全自動智能無人值守實驗室SMART LAB
典型應(yīng)用場景之四：AI在供應(yīng)鏈需求預(yù)測中的應(yīng)用實踐
傳統(tǒng)供應(yīng)鏈管理的特點(diǎn)及預(yù)測方法
時序數(shù)據(jù)的特點(diǎn)與LSTM算法簡介
案例分享：家電行業(yè)預(yù)測的優(yōu)化—基于LSTM算法的訓(xùn)練和調(diào)優(yōu)
6.工業(yè)邏輯的重構(gòu)與企業(yè)變革
工業(yè)引擎的AI重構(gòu)：從“效率提升”到“邏輯重構(gòu)”
實施方法論精要：戰(zhàn)略對齊、場景優(yōu)選、技術(shù)選型、組織變革
AI生態(tài)合作的策略：如何與云廠商、咨詢公司、專業(yè)AI服務(wù)商協(xié)同
幾個議題：數(shù)據(jù)安全、保護(hù)隱私、機(jī)理模型 

 洪華博士