AI 大模型应用开发模型训练落地 专为希望掌握 AI 技术的开发者设计的课程

《AI 大模型应用开发模型训练落地》课程专为希望掌握 AI 技术的开发者设计。课程涵盖大模型的基础理论、训练方法及实际应用案例，帮助学员了解如何将 AI 模型有效落地，解决实际问题。通过实操训练，提升学员在 AI 领域的开发能力与创新思维。

课程内容：

• 大模型基础：介绍大模型的基本概念、原理和常见的模型架构。
• 模型训练：教授如何使用大型数据集进行模型训练，包括数据预处理、模型构建、训练技巧等。
• 应用开发：讲解如何将训练好的模型应用于实际场景，包括自然语言处理、图像识别、语音识别等。
• 落地实践：通过案例分析和项目实践，教授如何将AI大模型集成到实际应用中，解决实际问题。
• 性能优化：介绍如何优化模型的性能，包括参数调整、模型压缩和加速推理等。
• 前沿技术：分享最新的AI大模型研究进展和技术趋势。

课程目录：

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