AI大模型应用开发模型训练落地

📋 文件内容

1. 包含文件：资料
2. 1_第一课：人工智能介绍：迭代路径，大模型进化树，技术分类 .mp4
3. 2_第二课：柏拉图表征假说与scalinglaw：KM缩放定律 .mp4
4. 3_第三课：AI开发环境（python
5. conda
6. vscode .mp4
7. 4_第一课：大模型微调llama-factory环境准备 .mp4
8. 5_第二课：微调数据集准备（SFT 继续预训练，偏好优化） .mp4
9. 6_第三课：微调过程lora微调与Qlora微调 .mp4
10. 7_第四课：模型评估（批量推理与自动评估benchmark） .mp4
11. 8_第五课：模型部署（模型合并导出与量化，本地部署） .mp4
12. 9_第一课：RAG技术原理与RAGFlow项目实操 .mp4
13. 10_第二课：NaiveRAG与langchain实践 .mp4
14. 11_第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE .mp4
15. 12_第四课：高级RAG（二）提示词压缩，融合，llamainde .mp4
16. 13_第五课：模块化RAG（一）顺序模式，条件模式，分支模式 .mp4
17. 14_第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc .mp4
18. 15_第七课：Embedding原理：word2vec
19. CBOW .mp4
20. 16_第八课：Embedding模型训练：llamaindex微调 .mp4
21. 17_第九课：Embedding模型评估：MRR评测，MTEB评测 .mp4
22. 18_第十课：Rerank技术原理与实践（一）交叉编码与双编码 .mp4
23. 19_第十一课：Rerank模型微调与实践（二）rankGPT .mp4
24. 20_第十二课：向量数据库简介与相似性测量：欧式距离，余弦相似度 .mp4
25. 21_第十三课：相似性搜索算法：k-means，肘部法则 .mp4
26. 22_第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH .mp4
27. 23_第十五课：向量数据库选型：专用向量数据库，传统数据库支持向量 .mp4
28. 24_第十六课：向量数据库代码示例：chroma与qdrant代码 .mp4
29. 25_第十七课：RAG评估：评估指标，RAGAs，TruLens .mp4
30. 26_第十八课：RAG行业落地：实践心得，落地经验，业务场景 .mp4
31. 27_第一课：Agent原理简介：planning
32. memory
33. .mp4
34. 28_第二课：提示词工程：软提示词，fewshot，COT TOT .mp4
35. 29_第三课：Agent平台：国内外主流平台，Coze搭建智能客服 .mp4
36. 30_第四课：Agent工具使用与functioncall：MR .mp4
37. 31_第五课：Agent设计模式（一）：Fewshot，ReAct .mp4
38. 32_第六课：Agent设计模式（二）：REWOO，LLMComp .mp4
39. 33_第七课：Agent设计模式（三）：Reflexion，LAT .mp4
40. 34_第八课：Agent框架：SingleAgent，Multi .mp4
41. 35_第九课：Langchain项目原理与实战 .mp4
42. 36_第十课：Langgraph项目原理与实战 .mp4
43. 37_第十一课：Langgraph多Agent架构：协作多Age .mp4
44. 38_第十二课：AutoGen项目原理与实战（一）：AutoGen .mp4
45. 39_第十三课：AutoGen项目原理与实战（二）：代码执行，工具 .mp4
46. 40_第十四课：CrewAI项目原理与实战：Crew Task A .mp4