[人工智能]极客AI大模型微调训练营第5期

│  02-课程表.webp │ ├─1 Al 大模型四阶技术总览 │      1.章节介绍.mp4 │      2.AI技术浪潮：弱人工智能、机器学习、深度学习、大语言模型.mp4 │      3.AI应用浪潮：高校共识、硅谷创新、中美博弈.mp4 │      4.把握浪潮：AI 大模型助力超级个体和小团队.mp4 │      5.AI大模型四阶技术总览：提示工程（Prompt Engineering）.mp4 │      6.AI大模型四阶技术总览：AI智能体（Agents）.mp4 │      7.AI大模型四阶技术总览：大模型微调（Fine-tuning）.mp4 │      8.AI大模型四阶技术总览：预训练技术（Pre-training）.mp4 │      课件.7z │ ├─2 大语言模型技术发展与演进 │      1.章节介绍.mp4 │      2.统计语言模型.mp4 │      3.神经网络语言模型.mp4 │      4.大语言模型：注意力机制.mp4 │      5.大语言模型：Transformer网络架构.mp4 │      6.大语言模型：GPT-1与BERT.mp4 │      7.大语言模型：暴力美学GPT系列模型.mp4 │      课件.7z │ ├─3 大模型开发工具库 HF Transformers │      1.章节介绍.mp4 │      2.Hugging Face Transformers快速入门.mp4 │      3.Transformers核心功能模块.mp4 │      4.大模型开发环境搭建.mp4 │      5.实战Hugging Face Transformers工具库.mp4 │      6.作业.txt │      课件.7z │ ├─4 实战Transformers模型训练 │      1.章节介绍.mp4 │      2.数据集处理库Hugging Face Datasets.mp4 │      3.Transformers模型训练入门.mp4 │      4.实战训练BERT模型：文本分类任务.mp4 │      5.实战训练BERT模型：QA任务.mp4 │      6.作业.txt │      课件.7z │ ├─5 大模型高效微调技术揭秘 上 │      1.章节介绍.mp4 │      2.Before PEFT：Hard Prompt  Full Fine-tune.mp4 │      3.PEFT主流技术分类介绍.mp4 │      4.PEFT - Adapter技术.mp4 │      5.PEFT - Soft Prompt 技术（Task-specific Tuning）.mp4 │      6.PEFT - Soft Prompt 技术（Prompt Encoder）.mp4 │      课件.7z │ ├─6 大模型高效微调技术揭秘 上 │      1.章节介绍.mp4 │      2.LoRA低秩适配微调技术.mp4 │      3.AdaLoRA自适应权重矩阵微调技术.mp4 │      4.QLoRA量化低秩适配微调技术.mp4 │      5.UniPELT：大模型PEFT统一框架.mp4 │      6.(IA)3：极简主义增量训练方法.mp4 │      课件.7z │ ├─7 大模型高效微调工具HF PEFT 入门与实战 │      1.章节介绍.mp4 │      2.Hugging Face PEFT 快速入门.mp4 │      3.OpenAI Whisper 模型介绍.mp4 │      4.实战 LoRA 微调 Whisper-Large-v2 中文语音识别.mp4 │      5.作业.txt │      课件.7z │ ├─8 大模型量化技术入门与实战 │      1.章节介绍.mp4 │      2.模型显存占用与量化技术简介.mp4 │      3.GPTQ：专为 GPT 设计的模型量化算法.mp4 │      4.AWQ：激活感知权重量化算法.mp4 │      5.BitsAndBytes(BnB) 模型量化软件包.mp4 │      6.实战 Facebook OPT 模型量化.mp4 │      7.作业.txt │      课件.7z │ ├─9 GLM 大模型家族与ChatGLM3-6B微调入门 │      1.章节介绍.mp4 │      2.基座模型 GLM-130B.mp4 │      3.扩展模型：联网检索、多模态、代码生成.mp4 │      4.对话模型 ChatGLM 系列.mp4 │      5.ChatGLM3-6B 微调入门.mp4 │      6.实战 QLoRA 微调 ChatGLM3-6B.mp4 │      7.作业.txt │      课件.7z │ ├─10 实战私有数据微调ChatGLM3.pdf │      1.章节介绍.mp4 │      2.使用 ChatGPT 自动设计生成训练数据的 Prompt.mp4 │      3.合成数据： LangChain + GPT-3.5 Turbo.mp4 │      4.数据增强：提升训练数据多样性.mp4 │      5.提示工程：保持批量生成数据稳定性.mp4 │      6.实战私有数据微调 ChatGLM3.mp4 │      7.作业.txt │      课件.7z │ ├─11 ChatGPT大模型训练技术RLHF │      1.章节介绍.mp4 │      2.ChatGPT 大模型训练核心技术.mp4 │      3.基于人类反馈的强化学习（RLHF）技术详解.mp4 │      4.基于 AI 反馈的强化学习（RLAIF）技术.mp4 │      课件.7z │ ├─12-混合专家模型（MoEs）技术揭秘.pdf │      1.章节介绍.mp4 │      2.MoEs 技术发展简史.mp4 │      3.MoEs 与大模型结合后的技术发展.mp4 │      4.MoEs 实例研究：Mixtral-8x7B.mp4 │      课件.7z │ ├─13 Meta AI 大模型 LLaMA │      1.章节介绍.mp4 │      2.LLaMA 1 大模型技术解读.mp4 │      3.LLaMA 1 衍生模型大家族.mp4 │      4.LLaMA 2 大模型技术解读.mp4 │      5.申请和获取 LLaMA 2 模型预训练权重.mp4 │      课件.7z │ ├─14 实战LLaMA2-7B指令微调 │      1.章节介绍.mp4 │      2.大模型训练技术总结.mp4 │      3.LLaMA2-7B 指令微调上手实战.mp4 │      4.再谈中文指令微调方法.mp4 │      课件.7z │ ├─15 大模型分布式训练框架Microsoft DeepSpeed │      1.章节介绍.mp4 │      2.预训练模型显存计算方法.mp4 │      3.Zero Redundancy Optimizer  ZeRO技术详解.mp4 │      4.Microsoft DeepSpeed 框架和核心技术.mp4 │      5.分布式模型训练并行化技术对比.mp4 │      6.DeepSpeed 与 Transformers 集成训练大模型.mp4 │      7.DeepSpeed 框架编译与安装.mp4 │      8.DeepSpeed ZeRO 配置详解.mp4 │      9.使用 DeepSpeed 单机多卡、分布式训练.mp4 │      10.实战 DeepSpeed ZeRO-2 和 ZeRO-3 单机单卡训练.mp4 │      11.DeepSpeed 创新模块 Inference Compression  Science.mp4 │      课件.7z │ ├─16 国产化实战：基于华为 Ascend 910 微调 ChatGLM-6B │      1.章节介绍.mp4 │      2.蓝色星球的算力霸主：NVIDIA.mp4 │      3.厚积薄发的江湖大佬：Google.mp4 │      4.努力追赶的国产新秀：华为.mp4 │      5.华为昇腾全栈 AI 软硬件平台介绍.mp4 │      6.实战：华为 Ascend 910B 微调 ChatGLM 6B 模型.mp4 │      课件.7z │ ├─17 智谱章节 │      1.GLM 大模型家族介绍.mp4 │      1.GLM大模型家族介绍.pdf │      2.GLM 模型部署微调实践.mp4 │      2.GLM模型部署实践.pdf │      3.CogVLM模型部署实践.mp4 │      3.CogVLM模型部署实践.pdf │      4.选学 智谱第四代 API 介绍.mp4 │      4.选学 GLM4 GLM4V API 调用实践.pdf │      5.选学 API 基础教学和实战-问题解决方案.txt │      5.选学 API 基础教学和实战.mp4 │      6.使用 GLM-4 API 构建模型和应用.mp4 │ └─直播回放 10.17 第四次直播答疑.mp4 8.29 第一次直播答疑.mp4 9.26 第三次直播答疑.mp4