声明:本网站所有内容均为资源介绍学习参考,如有侵权请联系后删除


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
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)捉示词压缩,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:捉示词工程: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
资料













