第一天

DeepSeek的起源与发展

背景及发展历程

使命与愿景

行业趋势与竞争分析

技术竞争力与创新优势

DeepSeek核心技术原理

模型架构与关键技术

极大规模混合专家模型（MoE）

多头潜在注意力（MLA）

高效训练与内存优化

数据处理与多语言能力

数据多样性与长上下文扩展

强化学习和知识蒸馏的实用化

强化学习和知识蒸馏的实用化

高质量数据的筛选与多语言处理策略

文档打包与FIM策略提升训练数据组织效率

数据增强策略扩展训练数据的语义覆盖范围

自动化标注与半监督学习结合提升标注效率

小规模预训练任务与超参数设置优化

数据清洗去除噪声和冗余，优化模型输入

数据格式转换和动态数据流管理示例

多模态数据在预训练中的融合与处理技术

结合运维场景的数据收集与预处理示例

预训练任务中的数据存储和访问配置优化

文档预训练和动态知识更新示例

运维Log数据在深度学习训练中的应用策略

运维语音转文本数据在模型微调中的作用

第二天

模型微调、知识增强与RAG开发

监督微调（SFT）适应不同领域的特定任务需求

微调中的超参数选择与训练稳定性优化

运维场景下的微调数据构建与模型优化示例

强化学习结合用户反馈数据优化推理性能

动态调优策略在复杂任务场景中的应用

利用RAG技术构建动态检索增强生成任务

运维事件分类中RAG的动态文档检索示例

知识库与实时检索在智能客服系统中的应用

运维日志结构化解析与动态检索系统搭建

生成模块与检索模块的高效任务协同

利用DeepSeek-R1模型进行运维事件分类示例

运维数据中的异常检测与智能分析应用

RAG系统在多轮问答与动态知识更新中的应用

运维语音与文本数据融合，生成多模态运维报告

基于R1推理模型的智能化运维预警系统开发

多任务场景中的生成任务与实时数据处理

运维场景中的数据实时反馈与自动化响应

运维任务演练：从日志采集到生成自动报告

数据缓存与优化策略确保高效查询与推理

运维知识库的动态更新与版本控制

第三天

智能体设计、部署与智能运维

智能体的核心架构与工作流分解

LangChain在任务流编排和多任务协作中的应用

Langraph支持的工作流可视化与任务调度优化

自动化任务流的设计与多模态数据处理示例

运维任务中的数据传递与多任务执行机制

模型轻量化与压缩优化大规模部署性能

分布式部署技术解决高负载和系统容错问题

基于R1模型的复杂运维事件处理与分类示例

环境配置优化，适应不同企业运维需求

运维语音模型与DeepSeek结合的故障预测应用

实时监控系统在运维性能指标中的应用

自动化运维中的错误检测与自愈机制

用户反馈数据指导生成策略的动态调优

运维Log数据自动化处理与可视化展示

持续反馈优化：基于事件数据迭代模型性能

从开发到部署的全流程运维任务演练

运维任务中多模态数据的动态扩展与适配

利用推理模型生成运维报告并反馈优化

小型运维系统从数据采集到自动部署示例

运维安全与用户隐私保护策略的应用