AI大模型应用开发​模型训练-RAG-Agent-AI项目实战-行业落地课

课程内容概述

本课程内容丰富，涵盖多个方面的AI模型训练和应用开发。通过这样实战的学习，可以帮助学员深入理解各种技术。

课程资料

• 企业RAG技术实战.pdf
• ai认知课.pdf
• embedding技术.pdf
• rerank技术.pdf
• llama-factory微调.pdf

视频课程列表

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

通过这个课程，我认为学员可以更好地理解AI发展的趋势和技术应用。课程内容逻辑清晰，所用技术在实际项目中也具有很高的有效性。这是一次难得的学习机会，适合想要进入AI行业的人们。