getfromcode

黑马AI大模型应用开发训练营第二期

测试运维
课程简介

用户要求将导读控制在500-800个汉字（只计汉字，标点英文不算）。 当前草稿有1378个汉字，需要大幅删减。 重新构思，精简内容，保留核心要素： 1. 解决什么问题 2. 适合什么基础 3. 建议先看哪几块 4. 学完能独立做什么 5. 资料怎么配合练习 草稿精简版： 这门课解决什么问题？开发者落地大模型应用时，常面临API对接复杂、Prompt工程不规…

已有 19 人浏览 发布 2025-12-20 更新 2026-09-22

用户要求将导读控制在500-800个汉字（只计汉字，标点英文不算）。
当前草稿有1378个汉字，需要大幅删减。

重新构思，精简内容，保留核心要素：
1. 解决什么问题
2. 适合什么基础
3. 建议先看哪几块
4. 学完能独立做什么
5. 资料怎么配合练习

草稿精简版：
这门课解决什么问题？开发者落地大模型应用时，常面临API对接复杂、Prompt工程不规范、RAG架构搭建繁琐及模型部署后缺乏监控运维手段等工程化痛点。本课不提供空泛概念，而是直击源码与工程结构，帮你把大模型能力快速转化为可落地系统。

适合什么基础？具备Python基础，对大模型API调用有一定了解，且有后端开发或微服务经验者。如果你只想背诵理论，不适合；需要把代码跑通并集成到现有工程，这正是你的菜。

建议先看哪几块？建议优先阅读项目骨架与目录结构解析，然后重点拆解核心业务模块源码，如数据处理管道、API网关层及可复用Prompt模板库。这些是后续所有开发工作的基石。

学完能独立做什么？能够独立搭建并部署具备特定业务逻辑的大模型应用。可从零实现文档问答系统或智能客服，完成从接口调用、知识库检索到生产环境部署与基础运维的全流程闭环。

资料怎么配合练习？资料以源码与文档为主，建议边读边敲代码。先按README在本地跑通最小可用版本，再结合测试脚本验证模块功能，最后在沙箱环境进行部署演练，通过工程实践加深架构理解。

字数统计（只计汉字）：
这(1)门(2)课(3)解(4)决(5)什(6)么(7)问(8)题(9)开(10)发(11)者(12)落(13)地(14)大(15)模(16)型(17)应(18)用(19)时(20)常(21)面(22)临(23)A(24)P(25)I(26)对(27)接(28)复(29)杂(30)P(31)r(32)o(33)m(34)p(35)t(36)工(37)程(38)不(39)规(40)范(41)R(42)A(43)G(44)架(45)构(46)搭(47)建(48)繁(49)琐(50)及(51)模(52)型(53)部(54)署(55)后(56)缺(57)乏(58)监(59)控(60)运(61)维(62)手(63)段(64)等(65)工(66)程(67)化(68)痛(69)点(70)本(71)课(72)不(73)提(74)供(75)空(76)泛(77)概(78)念(79)而(80)是(81)直(82)击(83)源(84)码(85)与(86)工(87)程(88)结(89)构(90)帮(91)你(92)把(93)大(94)模(95)型(96)能(97)力(98)快(99)速(100)转(101)化(102)为(103)可(104)落(105)地(106)系(107)统(108)
适(109)合(110)什(111)么(112)基(113)础(114)具(115)备(116)P(117)y(118)t(119)h(120)o(121)n(122)基(123)础(124)对(125)大(126)模(127)型(128)A(129)P(130)I(131)调(132)用(133)有(134)一(135)定(136)了(137)解(138)且(139)有(140)后(141)端(142)开(143)发(144)或(145)微(146)服(147)务(148)经(149)验(150)者(151)如(152)果(153)你(154)只(155)想(156)背(1

网盘截图：

相关推荐：

课程目录：

课程目录227 集
  • ├──AI大模型 赠送资料
  • | ├──11本AI大模型相关电子书.zip 309.49M
  • | └──简历模板.zip 2.03M
  • ├──AI大模型 直播资料
  • | ├──5月28日
  • | | ├──01-讲义
  • | | | ├──00-深度学习简介.pdf 631.01kb
  • | | | └──01-PyTorch基本使用.pdf 1.06M
  • | | ├──02-笔记
  • | | | └──深度学习基础.pdf 310.74kb
  • | | ├──03-代码
  • | | | ├──01-Pytroch基本使用
  • | | | └──02-神经网络
  • | | └──04-拓展
  • | | | ├──拓展1_深度学习拓展.pdf 1.45M
  • | | | └──拓展2_Pytorch-CUDA环境配置.pdf 485.26kb
  • | ├──5月30日
  • | | ├──01-讲义
  • | | | ├──02-神经网络基础.pdf 2.10M
  • | | | └──03-Transformer详解.pdf 3.67M
  • | | ├──02-笔记
  • | | | └──深度学习基础0530.pdf 898.72kb
  • | | ├──03-代码
  • | | | ├──02-神经网络
  • | | | ├──03-卷积神经网络
  • | | | └──04-循环神经网络
  • | | └──04-拓展
  • | | | └──拓展3_Pycharm配置Anaconda环境.pdf 658.62kb
  • | ├──6月11日
  • | | └──01-讲义
  • | | | ├──01-LLM主要架构介绍.pdf 7.71M
  • | | | └──02-ChatGPT模型原理介绍.pdf 14.35M
  • | ├──6月13号
  • | | ├──01-讲义
  • | | | └──01-LLM主流开源大模型介绍.pdf 11.38M
  • | | └──开源的LLM.pdf 32.56kb
  • | ├──6月15日
  • | | ├──01-讲义
  • | | | ├──01-大模型prompt-Tuning方法入门(1).pdf 8.19M
  • | | | ├──01-大模型prompt-Tuning方法入门.pdf 8.19M
  • | | | ├──02-大模型prompt-Tuning方法进阶(1).pdf 9.22M
  • | | | └──02-大模型prompt-Tuning方法进阶.pdf 9.22M
  • | | └──大模型的微调.pdf 23.48kb
  • | ├──6月18日
  • | | └──01-讲义
  • | | | └──01-大模型提示工程指南.pdf 1.26M
  • | ├──6月1日
  • | | ├──01-讲义
  • | | | ├──02-神经网络基础.pdf 2.10M
  • | | | ├──03-Transformer详解.pdf 3.67M
  • | | | ├──04-卷积神经网络.pdf 1.24M
  • | | | └──05-循环神经网络.pdf 933.53kb
  • | | ├──02-笔记
  • | | | └──深度学习基础0601.pdf 3.26M
  • | | └──03-代码
  • | | | ├──02-神经网络
  • | | | ├──03-卷积神经网络
  • | | | └──04-循环神经网络
  • | ├──6月20日
  • | | ├──01-讲义
  • | | | ├──02-金融行业动态方向评估项目.pdf 583.34kb
  • | | | ├──03-LLM实现金融文本分类.pdf 360.82kb
  • | | | ├──04-LLM实现金融信息抽取.pdf 330.91kb
  • | | | └──05-LLM实现金融信息匹配.pdf 303.16kb
  • | | ├──02-代码
  • | | | ├──finance_classify.py 4.44kb
  • | | | ├──finance_ie.py 4.93kb
  • | | | └──finance_text_matching.py 3.08kb
  • | | ├──03-weights
  • | | | └──chatglm2-6b-int4
  • | | ├──1.环境要求.pdf 110.79kb
  • | | ├──金融领域的行业动态分析.pdf 63.26kb
  • | | └──金融领域的行业动态分析.xmind 204.46kb
  • | ├──6月22日
  • | | ├──01-讲义
  • | | | ├──01-虚拟试衣背景.pdf 1.84M
  • | | | ├──02-阿里PAI平台.pdf 2.81M
  • | | | ├──03-阿里云注册及开通PAI.pdf 2.01M
  • | | | ├──04-PAI_DSW的环境搭建.pdf 1.95M
  • | | | └──星火大模型（博学谷）.pdf 12.10M
  • | | └──02-代码
  • | | | ├──QA_demo.zip 97.79M
  • | | | ├──translate_in_many_style.zip 79.31M
  • | | | └──语言大模型实现流程.zip 69.49kb
  • | ├──6月24号
  • | | ├──PAI_DSW的环境搭建.pdf 2.26M
  • | | ├──PAI平台开通指南.pdf 3.78M
  • | | └──虚拟试衣实践.pdf 5.23M
  • | ├──6月25号
  • | | ├──01-讲义
  • | | | ├──01-Function Call的原理及应用.pdf 797.72kb
  • | | | └──SQL.pdf 28.95kb
  • | | └──02-code
  • | | | └──ChatGLM3_FunctionCall
  • | ├──6月27号
  • | | ├──01-讲义
  • | | | ├──01-GPTs的介绍及应用.pdf 727.23kb
  • | | | ├──01-LLM基础知识.pdf 1.19M
  • | | | └──02-Assistant API的原理及应用.pdf 579.64kb
  • | | ├──03-code
  • | | | └──MiniMax_Assistant
  • | | └──2307.16789v2.pdf 1.95M
  • | ├──6月30日
  • | | ├──01-讲义
  • | | | └──01-AI Agents的开发应用.pdf 1.09M
  • | | └──02-代码
  • | | | └──Agent_Email_Generate
  • | ├──6月4日
  • | | ├──讲义
  • | | | └──大模型应用工具实战01.pdf 6.41M
  • | | └──软件
  • | | | ├──Pycharm2023补丁.rar 181.17kb
  • | | | └──VSCodeUserSetup-x64-1.89.1.exe 94.95M
  • | ├──6月7日
  • | | ├──软件
  • | | | ├──StreamingTool-7.6.2-x64.exe 355.03M
  • | | | └──yuan-live Setup 2.6.2.exe 123.91M
  • | | ├──大模型应用工具实战02.pdf 7.67M
  • | | └──作业.txt 0.26kb
  • | ├──6月8日
  • | | ├──01-讲义
  • | | | ├──01-LLM基础知识.pdf 11.36M
  • | | | └──02-LLM主要架构介绍.pdf 7.71M
  • | | ├──02-代码
  • | | | ├──01-bleu.py 0.53kb
  • | | | ├──02-rouge.py 0.17kb
  • | | | └──03-PPL.py 0.36kb
  • | | ├──LLM背景介绍.pdf 42.74kb
  • | | └──大模型项目研发流程.pdf 279.65kb
  • | ├──7月11日
  • | | ├──01-讲义
  • | | | ├──01-项目背景介绍.pdf 1.58M
  • | | | ├──02-基于BERT+PET方式文本分类介绍.pdf 435.60kb
  • | | | └──03-基于BERT+PET方式数据预处理介绍.pdf 387.28kb
  • | | └──02-代码
  • | | | ├──PET
  • | | | └──预训练模型
  • | ├──7月14日
  • | | ├──01-讲义
  • | | | ├──04-基于BERT+PET方式文本分类模型搭建.pdf 361.63kb
  • | | | └──05-基于BERT+P-Tuning方式文本分类介绍.pdf 455.76kb
  • | | ├──代码同7月11号
  • | | ├──基于BERT+PET实现文本分类.xmind 274.30kb
  • | | └──怎么使用GPU？训练使用.pdf 56.23kb
  • | ├──7月16日
  • | | ├──01-讲义
  • | | | ├──06-基于BERT+P-Tuning方式数据预处理介绍.pdf 390.27kb
  • | | | └──07-基于BERT+P-Tuning方式文本分类模型搭建.pdf 427.31kb
  • | | └──02-代码
  • | | | └──P-Tuning
  • | ├──7月18日
  • | | ├──01-讲义
  • | | | └──新媒体行业评论智能分类与信息抽取系统.pdf 722.27kb
  • | | └──基于Bert+P-tuning的文本分类.xmind 248.23kb
  • | ├──7月21日
  • | | ├──01-讲义（与7月18号一样）
  • | | ├──02-代码
  • | | | ├──chatglm-6b
  • | | | └──ptune_chatglm
  • | | ├──趋动云使用《补充》.pdf 3.11M
  • | | └──趋动云执行chatglm.pdf 140.30kb
  • | ├──7月23日
  • | | └──01-讲义
  • | | | ├──01-AIGC 背景.pdf 6.14M
  • | | | └──02-图像生成方法.pdf 4.61M
  • | ├──7月25日
  • | | ├──01-讲义
  • | | | ├──03-stableDiffusion详解.pdf 4.94M
  • | | | ├──04-StableDiffusion实践.pdf 6.26M
  • | | | └──05-腾讯云AI绘画.pdf 13.53M
  • | | └──02-代码
  • | | | ├──img-glasses
  • | | | ├──img_Plaidshirtprogrammer
  • | | | ├──weights
  • | | | └──aigc_demo_origin.zip 6.38M
  • | ├──7月28日
  • | | ├──01-讲义
  • | | | ├──1706.03762.pdf 2.11M
  • | | | └──AI论文阅读与写作.pdf 3.67M
  • | | ├──02-代码同7月25日代码
  • | | └──多模态大模型（文生图）.xmind 244.35kb
  • | ├──7月29日
  • | | ├──大模型训练营2期-大模型时代 .pdf 2.95M
  • | | ├──大模型训练营2期—简历优化 .pdf 680.04kb
  • | | ├──简历格式模板.zip 68.42M
  • | | ├──简历优化及面试注意事项.txt 0.72kb
  • | | ├──论文导读.zip 54.89M
  • | | └──人工智能-求职自我介绍以及项目描述参考模板.docx 20.83kb
  • | ├──7月2日
  • | | ├──01-讲义
  • | | | └──01-LangChain基础知识入门.pdf 851.75kb
  • | | └──02-code
  • | | | └──longchain
  • | ├──7月4日
  • | | ├──01-code
  • | | | ├──.idea
  • | | | └──RAG
  • | | └──01-讲义
  • | | | └──02-基于LangChain+ChatGLM-6B实现物流行业信息咨询.pdf 554.50kb
  • | ├──7月7日
  • | | ├──01-code
  • | | | └──Gpt2_Chatbot
  • | | ├──02-讲义
  • | | | └──基于GPT2搭建医疗问诊机器人.pdf 612.86kb
  • | | ├──基于GPT2的医疗机器人聊天系统.pdf 91.16kb
  • | | └──截图.png 76.69kb
  • | ├──7月9日
  • | | ├──01-code
  • | | | └──Gpt2_Chatbot
  • | | ├──02-讲义
  • | | | └──基于GPT2搭建医疗问诊机器人.pdf 612.86kb
  • | | ├──基于GPT2的医疗机器人聊天系统.pdf 91.16kb
  • | | └──截图.png 76.69kb
  • | └──第一周-大模型必备Python语言
  • | | ├──01-讲义
  • | | | └──Python入门教程.pdf 1.94M
  • | | ├──02-软件
  • | | | ├──Anaconda
  • | | | └──PyCharm
  • | | └──03-代码
  • | | | ├──【5月21日】代码
  • | | | ├──【5月23日】代码
  • | | | └──【5月26日】代码
  • ├──大模型前置课
  • | ├──第二章 pytorch框架
  • | | ├──01-深度学习简介_ev.mp4 7.42M
  • | | ├──02-pytorch简介和安装方法_ev.mp4 5.87M
  • | | 鈹溾攢鈹€03-pytorch鍐呭璇存槑_ev.mp4 1.88M
  • | | ├──04-张量的基本创建方法_ev.mp4 18.66M
  • | | ├──05-线性张量和随机张量_ev.mp4 7.82M
  • | | ├──06-创建全0、全1和指定值的张量_ev.mp4 6.21M
  • | | ├──07-张量元素类型转换_ev.mp4 9.00M
  • | | ├──08-张量创建内容总结_ev.mp4 4.90M
  • | | ├──09-张量转换为数组_ev.mp4 7.15M
  • | | ├──10-数组转换为张量_ev.mp4 9.92M
  • | | ├──11-张量标量数值的获取_ev.mp4 7.22M
  • | | ├──12-张量的基本运算_ev.mp4 16.21M
  • | | ├──13-张量的点乘运算_ev.mp4 7.18M
  • | | ├──14-张量的乘法运算_ev.mp4 9.37M
  • | | ├──15-张量的运算函数_ev.mp4 14.78M
  • | | ├──16-张量的索引操作_ev.mp4 25.71M
  • | | ├──17-张量的多维索引_ev.mp4 12.46M
  • | | 鈹溾攢鈹€18-寮犻噺鐨剅eshape鏂规硶_ev.mp4 11.87M
  • | | ├──19-张量的squeeze和unsqueeze方法_ev.mp4 12.70M
  • | | ├──20-张量的transpose和permute方法_ev.mp4 15.27M
  • | | 鈹溾攢鈹€21-寮犻噺鐨剉iew鏂规硶_ev.mp4 11.43M
  • | | ├──22-张量的拼接操作_ev.mp4 10.08M
  • | | ├──23-自动微分模块_ev.mp4 36.03M
  • | | ├──24-线性回归简介_ev.mp4 12.02M
  • | | ├──25 26-线性回归的损失函数_ev.mp4 6.20M
  • | | ├──26 27-梯度下降算法_ev.mp4 18.51M
  • | | ├──27 28-线性回归实现流程_ev.mp4 11.71M
  • | | ├──28 29-线性回归数据集构建_ev.mp4 13.99M
  • | | ├──29 30-线性回归模型构建_ev.mp4 9.24M
  • | | └──30 31-线性回归模型训练与预测_ev.mp4 20.61M
  • | ├──第三章 神经网络
  • | | ├──01-神经网络内容简介_ev.mp4 2.60M
  • | | ├──02-神经元的设计_ev.mp4 9.08M
  • | | ├──03-神经网络的构成_ev.mp4 11.55M
  • | | ├──04-激活函数的作用_ev.mp4 16.69M
  • | | ├──08-常见的激活函数和选择方法_ev.mp4 10.55M
  • | | ├──09-神经网络的构建_ev.mp4 36.01M
  • | | ├──10-网络参数量的统计方法_ev.mp4 6.27M
  • | | ├──11-神经网络的优缺点_ev.mp4 4.84M
  • | | ├──13-梯度下降算法_ev.mp4 10.85M
  • | | ├──14-反向传播算法_ev.mp4 30.85M
  • | | ├──15-价格分类案例需求分析_ev.mp4 12.44M
  • | | ├──16-数据集获取_ev.mp4 19.33M
  • | | 鈹溾攢鈹€20 21-NLP姒傝堪_ev.mp4 6.79M
  • | | ├──21 22-transformer结构介绍_ev.mp4 22.25M
  • | | └──22 23-transformer实现汉译英_ev.mp4 23.78M
  • | └──第一章 Python 基础前置课
  • | | ├──01-（了解）Python语言简介_ev.mp4 7.23M
  • | | ├──02-（重点）Anaconda3软件安装_ev.mp4 7.68M
  • | | ├──03-（重点）PyCharm软件的安装与激活_ev.mp4 14.17M
  • | | ├──04-（重点）PyCharm配置与Python入门程序编写_ev.mp4 9.15M
  • | | ├──05-（重点）Python中的注释_ev.mp4 8.72M
  • | | ├──06-（重点）Python中的变量_ev.mp4 8.80M
  • | | ├──07-（重点）Python中的四种基本数据类型_ev.mp4 13.07M
  • | | ├──08-（重点）Python中的运算符_ev.mp4 9.47M
  • | | ├──09-（重点）Python中的输入与输出操作_ev.mp4 20.98M
  • | | ├──10-（重点）Python中的print()格式化输出_ev.mp4 10.59M
  • | | ├──11-（重点）Python中的if选择结构_ev.mp4 7.42M
  • | | ├──12-（重点）Python的if…else结构与if…elif…else多分支结构_ev.mp4 13.60M
  • | | ├──13-（重点）if嵌套结构_ev.mp4 10.11M
  • | | ├──14-（重点）Python实现猜拳游戏开发_ev.mp4 12.83M
  • | | ├──15-（重点）Python中模块的导入与使用_ev.mp4 10.56M
  • | | ├──16-（重点）Python中的for循环结构_ev.mp4 7.09M
  • | | ├──17-（重点）for循环与range()函数结合使用_ev.mp4 10.88M
  • | | ├──18-（重点）for循环中的两大关键词_ev.mp4 11.11M
  • | | ├──19-（重点）for循环综合案例之猜数字游戏开发_ev.mp4 9.22M
  • | | ├──20-（重点）列表容器定义与增删改查操作_ev.mp4 16.19M
  • | | ├──21-（重点）列表其他操作_ev.mp4 8.29M
  • | | ├──22-（重点）列表的切片操作_ev.mp4 19.49M
  • | | ├──23-（重点）列表相关函数与操作方法_ev.mp4 20.34M
  • | | ├──24-（重点）Python中的元组定义与访问_ev.mp4 9.50M
  • | | ├──25-（重点）字典的定义与增删改查操作_ev.mp4 13.97M
  • | | ├──26-（重点）集合的定义与使用_ev.mp4 11.34M
  • | | ├──27-（重点）函数的定义与调用_ev.mp4 19.44M
  • | | ├──28-（重点）Python中变量的作用域_ev.mp4 15.37M
  • | | ├──29-（扩展）global关键字的使用_ev.mp4 7.97M
  • | | ├──30-（重点）函数的两种传参方式（位置传递与关键词传递）_ev.mp4 8.88M
  • | | ├──31-（重点）默认值参数_ev.mp4 7.10M
  • | | ├──32-（重点）不定长参数_ev.mp4 13.04M
  • | | ├──34-（重点）面向过程与面向对象_ev.mp4 11.60M
  • | | ├──35-（重点）面向对象类和对象的概念_ev.mp4 10.35M
  • | | ├──36-（重点）面向对象中的self关键字_ev.mp4 8.52M
  • | | ├──37-（重点）对象属性的设置与获取_ev.mp4 6.49M
  • | | ├──38-（重点）init()魔术方法的使用_ev.mp4 11.72M
  • | | ├──39-（重点）__call__魔术方法的使用_ev.mp4 7.51M
  • | | ├──40-（重点）Python中类的继承_ev.mp4 11.13M
  • | | ├──41-（重点）继承中的重写操作_ev.mp4 16.28M
  • | | └──42-（重点）super()强制调用父类属性和方法_ev.mp4 24.83M
  • ├──001-大模型必备Python语言_ev.mp4 668.71M
  • ├──002-大模型必备Python语言_ev.mp4 779.52M
  • ├──003-大模型必备Python语言_ev.mp4 1.19G
  • ├──004-大模型必备Python语言_ev.mp4 2.92M
  • ├──005-大模型必备Python语言_ev.mp4 873.40M
  • ├──006-大模型前置知识_ev.mp4 1.07G
  • ├──007-大模型前置知识_ev.mp4 797.03M
  • ├──008-大模型前置知识_ev.mp4 864.47M
  • ├──009-大模型前置知识_ev.mp4 910.21M
  • ├──010-大模型应用工具实战_ev.mp4 922.96M
  • ├──011-大模型应用工具实战_ev.mp4 47.63M
  • ├──012-大模型应用工具实战_ev.mp4 927.08M
  • ├──013-大模型开发入门_ev.mp4 323.25M
  • ├──014-大模型开发入门_ev.mp4 171.43M
  • ├──015-主流大模型介绍及大模型Prompt-Tuning方法入门_ev.mp4 213.08M
  • ├──016-大模型Prompt-Tuning方法进阶_ev.mp4 181.06M
  • ├──017-大模型提示词工程应用1_ev.mp4 228.82M
  • ├──018-大模型提示词工程应用2_ev.mp4 93.67M
  • ├──019-大模型提示词工程应用3_ev.mp4 179.96M
  • ├──020-大模型提示词_ev.mp4 543.21M
  • ├──021-【项目1】金融行业动态风向评估_ev.mp4 534.72M
  • ├──022-企业级大模型定制平台_ev.mp4 158.13M
  • ├──023-企业级大模型定制平台_ev.mp4 290.83M
  • ├──024-企业级大模型定制平台_ev.mp4 177.78M
  • ├──025-电商虚拟试衣_ev.mp4 199.93M
  • ├──026-（新增）大模型开发工具Function Call的原理及实践_ev.mp4 632.56M
  • 鈹溾攢鈹€027-锛堟柊澧烇級GPTs涓嶢ssistant API_ev.mp4 627.12M
  • ├──028-（新增）大模型Agent的原理及实践_ev.mp4 901.23M
  • ├──029-（新增）大模型Agent的原理及实践_ev.mp4 477.16M
  • ├──030-大模型开发工具longchain详解_ev.mp4 655.79M
  • ├──031-【项目3】物流行业信息咨询智能问答系统_ev.mp4 458.33M
  • ├──032-【项目4】大健康行业智能问诊系统_ev.mp4 869.79M
  • ├──033-【项目4】大健康行业智能问诊系统_ev.mp4 482.74M
  • ├──034-【项目4】大健康行业智能问诊系统_ev.mp4 455.94M
  • ├──035-项目5-1】新零售行业评价决策系统【基于BERT+PET方式】_ev.mp4 489.81M
  • ├──036-【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】_ev.mp4 620.72M
  • ├──037-【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】_ev.mp4 341.15M
  • ├──038-【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】_ev.mp4 477.58M
  • ├──039-【项目6】新媒体行业评论智能分类与信息抽取系统_ev.mp4 474.42M
  • ├──040-【项目6】新媒体行业评论智能分类与信息抽取系统_ev.mp4 826.65M
  • ├──041-ChatGLM-6B+LoRA模型搭建+趋动云资源配置_ev.mp4 434.40M
  • ├──042-Stable Diffusion多模态大模型应用实战_ev.mp4 587.01M
  • ├──043-Stable Diffusion多模态大模型应用实战_ev.mp4 432.43M
  • ├──044-Stable Diffusion多模态大模型应用实战_ev.mp4 555.80M
  • ├──045-Stable Diffusion多模态大模型应用实战_ev.mp4 36.81M
  • ├──046-Stable Diffusion多模态大模型应用实战_ev.mp4 1.95M
  • ├──047-综合项目与项目路演+【拓展】AI论文导读与论文撰写+结营典礼]】_ev.mp4 258.54M
  • ├──048-大模型加餐课（面试指导）_ev.mp4 707.58M
  • └──049-大模型加餐课（模型部署）_ev.mp4 892.95M

课程目录

课程目录196 集
  • 001-大模型必备Python语言.mp4
  • 002-大模型必备Python语言.mp4
  • 003-大模型必备Python语言.mp4
  • 004-大模型必备Python语言.mp4
  • 005-大模型必备Python语言.mp4
  • 006-大模型前置知识.mp4
  • 007-大模型前置知识.mp4
  • 008-大模型前置知识.mp4
  • 009-大模型前置知识.mp4
  • 010-大模型应用工具实战.mp4
  • 011-大模型应用工具实战.mp4
  • 012-大模型应用工具实战.mp4
  • 013-大模型开发入门.mp4
  • 014-大模型开发入门.mp4
  • 015-主流大模型介绍及大模型Prompt-Tuning方法入门.mp4
  • 016-大模型Prompt-Tuning方法进阶.mp4
  • 017-大模型提示词工程应用1.mp4
  • 018-大模型提示词工程应用2.mp4
  • 019-大模型提示词工程应用3.mp4
  • 020-大模型提示词.mp4
  • 021-【项目1】金融行业动态风向评估.mp4
  • 022-企业级大模型定制平台.mp4
  • 023-企业级大模型定制平台.mp4
  • 024-企业级大模型定制平台.mp4
  • 025-电商虚拟试衣.mp4
  • 026-（新增）大模型开发工具Function Call的原理及实践.mp4
  • 027-（新增）GPTs与Assistant API.mp4
  • 028-（新增）大模型Agent的原理及实践.mp4
  • 029-（新增）大模型Agent的原理及实践.mp4
  • 030-大模型开发工具longchain详解.mp4
  • 031-【项目3】物流行业信息咨询智能问答系统.mp4
  • 032-【项目4】大健康行业智能问诊系统.mp4
  • 033-【项目4】大健康行业智能问诊系统.mp4
  • 034-【项目4】大健康行业智能问诊系统.mp4
  • 035-项目5-1】新零售行业评价决策系统【基于BERT+PET方式】.mp4
  • 036-【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】.mp4
  • 037-【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】.mp4
  • 038-【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】.mp4
  • 039-【项目6】新媒体行业评论智能分类与信息抽取系统.mp4
  • 040-【项目6】新媒体行业评论智能分类与信息抽取系统.mp4
  • 041-ChatGLM-6B+LoRA模型搭建+趋动云资源配置.mp4
  • 042-Stable Diffusion多模态大模型应用实战.mp4
  • 043-Stable Diffusion多模态大模型应用实战.mp4
  • 044-Stable Diffusion多模态大模型应用实战.mp4
  • 045-Stable Diffusion多模态大模型应用实战.mp4
  • 046-Stable Diffusion多模态大模型应用实战.mp4
  • 047-综合项目与项目路演+【拓展】AI论文导读与论文撰写+结营典礼]】.mp4
  • 048-大模型加餐课（面试指导）.mp4
  • 049-大模型加餐课（模型部署）.mp4
  • AI大模型 直播资料
  • 5月28日
  • 01-讲义
  • 00-深度学习简介.pdf
  • 01-PyTorch基本使用.pdf
  • 02-笔记
  • 深度学习基础.pdf
  • 03-代码
  • 01-Pytroch基本使用
  • 01-张量创建.py
  • 02-张量类型转换.py
  • 03-张量的数值计算.py
  • 04-张量的运算函数.py
  • 05-张量的索引操作.py
  • 06-张量的形状操作.py
  • 07-张量的拼接.py
  • 08-案例-线性回归模型构建.py
  • 02-神经网络
  • 01-激活函数-sigmoid.py
  • 02-激活函数-tanh.py
  • 03-激活函数-ReLU.py
  • 04-激活函数-Softmax.py
  • 05-参数初始化.py
  • 06-搭建神经网络.py
  • 07-损失函数.py
  • 08-反向传播BP算法.py
  • 09-梯度下降优化方法.py
  • 10-学习率衰减方法.py
  • 11-正则化.py
  • 12-案例-价格分类.py
  • 13-Transformer汉译英.py
  • dataset
  • phone.pth
  • 手机价格预测.csv
  • model
  • 04-拓展
  • 拓展1_深度学习拓展.pdf
  • 拓展2_Pytorch-CUDA环境配置.pdf
  • 5月30日
  • 02-神经网络基础.pdf
  • 03-Transformer详解.pdf
  • 深度学习基础0530.pdf
  • 03-卷积神经网络
  • 01-matplotlib图像加载.py
  • 02-pytorch卷积层API.py
  • 03-pytorch池化API.py
  • 04-案例-卷积神经网络实现图像分类.py
  • data
  • image_classification.pth
  • img.jpg
  • cifar-10-batches-py
  • batches.meta
  • data_batch_1
  • data_batch_2
  • data_batch_3
  • data_batch_4
  • data_batch_5
  • readme.html
  • test_batch
  • 04-循环神经网络
  • 01-词嵌入层API.py
  • 02-RNN层的使用.py
  • 03-RNN实现周杰伦歌词生成.py
  • jaychou_lyrics.txt
  • lyrics_model_10.pth
  • 拓展3_Pycharm配置Anaconda环境.pdf
  • 6月11日
  • 01-LLM主要架构介绍.pdf
  • 02-ChatGPT模型原理介绍.pdf
  • 6月13号
  • 开源的LLM.pdf
  • 01-LLM主流开源大模型介绍.pdf
  • 6月15日
  • 大模型的微调.pdf
  • 01-大模型prompt-Tuning方法入门(1).pdf
  • 01-大模型prompt-Tuning方法入门.pdf
  • 02-大模型prompt-Tuning方法进阶(1).pdf
  • 02-大模型prompt-Tuning方法进阶.pdf
  • 6月18日
  • 01-大模型提示工程指南.pdf
  • 6月1日
  • 04-卷积神经网络.pdf
  • 05-循环神经网络.pdf
  • 深度学习基础0601.pdf
  • 6月20日
  • 1.环境要求.pdf
  • 金融领域的行业动态分析.pdf
  • 金融领域的行业动态分析.xmind
  • 02-金融行业动态方向评估项目.pdf
  • 03-LLM实现金融文本分类.pdf
  • 04-LLM实现金融信息抽取.pdf
  • 05-LLM实现金融信息匹配.pdf
  • 02-代码
  • finance_classify.py
  • finance_ie.py
  • finance_text_matching.py
  • 03-weights
  • chatglm2-6b-int4
  • config.json
  • configuration_chatglm.py
  • modeling_chatglm.py
  • MODEL_LICENSE
  • pytorch_model.bin
  • quantization.py
  • README.md
  • tokenization_chatglm.py
  • tokenizer.model
  • tokenizer_config.json
  • 6月22日
  • 01-虚拟试衣背景.pdf
  • 02-阿里PAI平台.pdf
  • 03-阿里云注册及开通PAI.pdf
  • 04-PAI_DSW的环境搭建.pdf
  • 星火大模型（博学谷）.pdf
  • QA_demo.zip
  • translate_in_many_style.zip
  • 语言大模型实现流程.zip
  • 6月24号
  • PAI_DSW的环境搭建.pdf
  • PAI平台开通指南.pdf
  • 虚拟试衣实践.pdf
  • 6月25号
  • 01-Function Call的原理及应用.pdf
  • SQL.pdf
  • 02-code
  • ChatGLM3_FunctionCall
  • .DS_Store
  • airplane
  • airplane_function_tools.py
  • muti_function_zhipu.py
  • muti_utils.py
  • __pycache__
  • airplane_function_tools.cpython-310.pyc
  • airplane_function_tools.cpython-38.pyc
  • muti_utils.cpython-310.pyc
  • muti_utils.cpython-38.pyc
  • sql
  • sql_function_tools.py
  • sql_zhipu.py
  • sql_function_tools.cpython-310.pyc
  • weather
  • cityCode_use.json
  • tools.py
  • weather_zhipu.py
  • tools.cpython-310.pyc
  • tools.cpython-38.pyc
  • 6月27号
  • 2307.16789v2.pdf
  • 01-GPTs的介绍及应用.pdf
  • 01-LLM基础知识.pdf
  • 02-Assistant API的原理及应用.pdf
  • 03-code
  • MiniMax_Assistant
  • fruit_price.txt
  • minmax_assistant.py
  • .idea
  • .gitignore
  • MiniMax_Assistant.iml
  • misc.xml
  • modules.xml
  • workspace.xml
  • inspectionProfiles
  • profiles_settings.xml
  • 6月30日
  • 01-AI Agents的开发应用.pdf
  • Agent_Email_Generate
  • email_category.txt
  • main.py
  • poie.txt
  • test.py
  • __init__.py
  • Agent_Email_Generate.iml
  • tools
  • custom_tools.py
  • custom_tools.cpython-310.pyc
  • custom_tools.cpython-312.pyc
  • __init__.cpython-310.pyc
  • __init__.cpython-312.pyc
  • 6月4日
  • 讲义
  • 大模型应用工具实战01.pdf
  • 软件
  • Pycharm2023补丁.rar
  • VSCodeUserSetup-x64-1.89.1.exe
  • 6月7日
  • 作业.txt
  • 大模型应用工具实战02.pdf
  • StreamingTool-7.6.2-x64.exe
  • yuan-live Setup 2.6.2.exe
  • 6月8日
  • LLM背景介绍.pdf
  • 大模型项目研发流程.pdf
  • 02-LLM主要架构介绍.pdf
  • 01-bleu.py
  • 02-rouge.py
  • 03-PPL.py
  • 7月11日
  • 01-项目背景介绍.pdf
  • 02-基于BERT+PET方式文本分类介绍.pdf
  • 03-基于BERT+PET方式数据预处理介绍.pdf
  • PET
  • inference.py
  • pet_config.py
  • train.py
  • checkpoints
  • model_best_old
  • generation_config.json
  • model.safetensors
  • special_tokens_map.json
  • tokenizer.json
  • vocab.txt
  • dev.txt
  • prompt.txt
  • train.txt
  • verbalizer.txt
  • data_handle
  • data_loader.py
  • data_preprocess.py
  • template.py
  • data_loader.cpython-312.pyc
  • data_preprocess.cpython-312.pyc
  • template.cpython-312.pyc
  • utils
  • common_utils.py
  • metirc_utils.py
  • verbalizer.py
  • common_utils.cpython-312.pyc
  • metirc_utils.cpython-312.pyc
  • verbalizer.cpython-312.pyc
  • pet_config.cpython-312.pyc
  • 预训练模型
  • bert-base-chinese
  • flax_model.msgpack
  • 7月14日
  • 基于BERT+PET实现文本分类.xmind
  • 怎么使用GPU？训练使用.pdf
  • 04-基于BERT+PET方式文本分类模型搭建.pdf
  • 05-基于BERT+P-Tuning方式文本分类介绍.pdf
  • 代码同7月11号
  • 7月16日
  • 06-基于BERT+P-Tuning方式数据预处理介绍.pdf
  • 07-基于BERT+P-Tuning方式文本分类模型搭建.pdf
  • P-Tuning
  • ptune_config.py
  • model_20
  • model_old_best
  • ptune_config.cpython-312.pyc
  • 7月18日
  • 基于Bert+P-tuning的文本分类.xmind
  • 新媒体行业评论智能分类与信息抽取系统.pdf
  • 7月21日
  • 趋动云使用《补充》.pdf
  • 趋动云执行chatglm.pdf
  • 01-讲义（与7月18号一样）
  • chatglm-6b
  • ice_text.model
  • LICENSE
  • pytorch_model-00001-of-00008.bin
  • pytorch_model-00002-of-00008.bin
  • pytorch_model-00003-of-00008.bin
  • pytorch_model-00004-of-00008.bin
  • pytorch_model-00005-of-00008.bin
  • pytorch_model-00006-of-00008.bin
  • pytorch_model-00007-of-00008.bin
  • pytorch_model-00008-of-00008.bin
  • pytorch_model.bin.index.json
  • test_modeling_chatglm.py
  • ptune_chatglm
  • glm_config.py
  • ptune_chatglm.iml
  • ptune
  • dataset.jsonl
  • mixed_dev_dataset.jsonl
  • mixed_train_dataset.jsonl
  • glm_config.cpython-312.pyc
  • 7月23日
  • 01-AIGC 背景.pdf
  • 02-图像生成方法.pdf
  • 7月25日
  • 03-stableDiffusion详解.pdf
  • 04-StableDiffusion实践.pdf
  • 05-腾讯云AI绘画.pdf
  • aigc_demo_origin.zip
  • img-glasses
  • 00061-4096775217.png
  • 00061-4096775217.txt
  • 00062-4096775218.png
  • 00062-4096775218.txt
  • 00063-4096775219.png
  • 00063-4096775219.txt
  • 00064-4096775220.png
  • 00064-4096775220.txt
  • 00065-4096775221.png
  • 00065-4096775221.txt
  • 00069-2356360196.png
  • 00069-2356360196.txt
  • 00070-2356360197.png
  • 00070-2356360197.txt
  • 00071-2356360198.png
  • 00071-2356360198.txt
  • 00072-2356360199.png
  • 00072-2356360199.txt
  • 00074-2356360201.png
  • 00074-2356360201.txt
  • 00076-2356360203.png
  • 00076-2356360203.txt
  • 00077-2356360204.png
  • 00077-2356360204.txt
  • 00078-2356360205.png
  • 00078-2356360205.txt
  • 00079-2356360206.png
  • 00079-2356360206.txt
  • 00081-2356360208.png
  • 00081-2356360208.txt
  • 00082-2356360209.png
  • 00082-2356360209.txt
  • 00083-2356360210.png
  • 00083-2356360210.txt
  • 00084-2356360211.png
  • 00084-2356360211.txt
  • 00086-2356360213.png
  • 00086-2356360213.txt
  • 00088-2356360215.png
  • img_Plaidshirtprogrammer
  • 00001-1894947284.png
  • 00002-3614966928.png
  • 00003-3286877001.png
  • 00004-1166947288.png
  • 00005-366234093.png
  • 00006-4286819082.png
  • 00007-4286819083.png
  • 00008-4286819084.png
  • 00009-4286819085.png
  • 00010-4286819086.png
  • 00011-4286819087.png
  • 00012-4286819088.png
  • 00013-4286819089.png
  • 00014-4286819090.png
  • 00015-4286819091.png
  • 00016-4286819092.png
  • 00017-4286819093.png
  • 00018-4286819094.png
  • 00019-4286819095.png
  • 00020-4286819096.png
  • 00021-4286819097.png
  • 00022-4286819098.png
  • 00023-4286819099.png
  • 00024-4286819100.png
  • 00025-4286819101.png
  • 00026-4286819102.png
  • 00027-4286819103.png
  • … 共 821 条
相关推荐
安全渗透测试的一套完整的教学视频
安全渗透测试的一套完整的教学视频
¥29 · 255 浏览
新-Jetpack Compose：从上手到进阶再到高手-百度云网盘资源分享
新-Jetpack Compose：从上手到进阶再到高手-百度云网盘资源分享
¥29 · 106 浏览
Cesium可视化系统实战课程（完结）
Cesium可视化系统实战课程（完结）
¥30.5 · 396 浏览
01. 2026华测教育AI测试智能体&AI大模型测试开发
01. 2026华测教育AI测试智能体&AI大模型测试开发
¥29.9 · 91 浏览
夏天软考【高项】2026年5月
夏天软考【高项】2026年5月
¥29.9 · 14 浏览
AI量化交易训练营（高清同步）
AI量化交易训练营（高清同步）
¥70 · 449 浏览
AI agent 大模型实战之 自然语言转时间格式
AI agent 大模型实战之 自然语言转时间格式
¥29 · 445 浏览
多模态Agent开发实战营（高清同步）
多模态Agent开发实战营（高清同步）
¥89 · 434 浏览
服务器遇到403 或许需要检查整个目录链权限
服务器遇到403 或许需要检查整个目录链权限
¥29 · 399 浏览
AI编程实战行动营
AI编程实战行动营
¥40.5 · 259 浏览
AI Agent+MCP从0到1打造个人专属编程智能体
AI Agent+MCP从0到1打造个人专属编程智能体
¥90 · 220 浏览
AI产品经理转岗特训营
AI产品经理转岗特训营
¥68 · 199 浏览
课程购买
课程价格
金币89
890金币限时优惠会员免费
销量：0
💎 开通会员每日免费下载，比单买更划算 →
支付成功后会自动显示下载资源云盘的链接！点击链接即可下载到本地。
[衡天云]爆款云服务器 低至12元/月
[衡天云]爆款云服务器 低至12元/月