|
培训对象：建筑设计中心、工程管理中心、技术中心、运营中心、客服中心等建筑行业管理运营相关人士； 课程时间：1天 课程背景： Ø 本课程主要是在AI技术，尤其是 大语言模型技术快速发展的宏观趋势下，旨在解决学员对 DeepSeek等 大语言模型在建筑 行业应用认知不足的问题，提升学员对AI技术如何推动建筑 行业智能化转型的认知。课程具备理论讲解与实例分析相结合的特点，确保学员能够深入了解 大语言模型在建筑 行业的应用前景。 课程收益： 培训完结后，学员能够： 受益四：探讨推理模型未来的发展趋势，以及可能具备的高级智能能力。 受益七：通过实例分析，提升学员运用AI技术解决建筑行业实际问题的能力。 课程大纲： | 单元 | | | | | 指令模型与推理模型的区别 2.1 指令模型的基本原理和应用 2.2 推理模型的基本原理和优势 | | | 1. 指令模型的核心逻辑 1.1) 基于用户指令生成结果，强调任务执行的准确性（如传统GPT系列）。 1.2) 局限性：缺乏动态推理过程，依赖大量监督微调数据。 2. 推理模型的范式革新 2.1) DeepSeek-R1的强化学习训练：跳过监督微调，直接通过逻辑链生成解决方案。 2.2) 关键能力：DeepSeek和GPT,Clude，gemmi，以及国内阿里，百度和豆包的区别。 | | | 1 推理模型的发展趋势 1.1 从单一模态到多模态的推理 1.2 从简单推理到复杂推理的演进 2 未来智能的可能形态与能力 2.1 更高层次的认知与理解能力 2.2 更强的自适应与学习能力 2.3 更广泛的应用场景与潜力 | | | 建筑设计流程的智能化改造 2.1 建筑设计方案的智能生成实例 2.2 建筑性能预测与评估的智能化实践 | | | 1 工程管理流程的智能化升级 2 DEEPSEEK在工程管理中的实际案例 2.1 工程进度监控与预测的智能化实践 2.2 工程质量风险评估的智能化应用 讨论课题：DEEPSEEK如何助力工程管理的精细化与高效化 | | | 1.1 利用DEEPSEEK进行客户问题智能解答 2.1 客户问题智能解答的实例分析 讨论课题：DEEPSEEK如何推动客户服务模式的创新与升级 | | | 1.1 自动化与智能化水平的提升对职业技能的影响 1.2 工作流程的优化与重构对职业技能的要求 2.1 新技能的学习与掌握策略 AI技术在职场中的机遇与风险 3.2 AI技术带来的职场风险与应对策略 讨论课题：如何应对DEEPSEEK等AI技术对建筑 行业职业技能的影响与挑战 |
| 
