正版资源 getfromcodeAI 会员免费
九天CC-大模型与Agent智能体开发实战DeepSeek强化班 大模型部署调用微调实战
九天CC-大模型与Agent智能体开发实战DeepSeek强化班 大模型部署调用微调实战 实战深度学习大模型与智能体开发 编辑点评 实战性强，涵盖多款大模型部署与调用，适合对AI应用开发感兴趣的初学者和进阶者。 ⭐ 编辑推荐 九天CC强化班，深度解析大模型与智能体开发，实战项目驱动，掌握大模型部署与
单课价¥29新品 上架
支付成功后自动发货，可在「我的订单」查看网盘链接；链接失效可联系客服免费补链。
正版保障 极速发货 售后无忧
九天CC-大模型与Agent智能体开发实战DeepSeek强化班 大模型部署调用微调实战
实战深度学习大模型与智能体开发
编辑点评
实战性强，涵盖多款大模型部署与调用，适合对AI应用开发感兴趣的初学者和进阶者。
⭐ 编辑推荐
九天CC强化班，深度解析大模型与智能体开发，实战项目驱动，掌握大模型部署与微调技巧。
✨ 课程亮点
✦大模型实战项目
✦多款模型部署与调用
✦智能体开发实战
课程目录
第00阶段：源码+资料1 条
- 00_随课程更新，课件持续放出.txt
第01阶段：在线大模型部署调用2 集
- 【Claude】01_了解Claude的所有特质.MP4
- 【Claude】02_Claude的注册流程.ts
- 【Claude】03_API_KEY领取及调用.vep
- 【Claude】04_API必须参数揭秘,多轮对话机器人速成指南_x264.vep
- 【Claude】05_API多模态的最佳实践.ts
- 【Claude】06_API生成定制化与提示工程实战长文档.mp4
- 【Claude】07_tool use全流程讲解与wiki搜索实战.ts
- 【Claude】08_tool_choice与定制Json输出及tool_use大实战.ts
- 【Claude】09_揭秘prompt Cache提示缓存：节省成本加快响应的绝技.vep
- 【Claude】10_stream函数及生成器本质讲解.vep
- 【Claude】11_stream流式概念与使用方法讲解.ts
- 【Claude】12_异步的使用原因与基本语法.ts
- 【Claude】13_异步的API调用的讲解与实践.ts
- 【Gemini】01_Gemini注册指南-最新模型免费API调用.ts
- 【Gemini】02_生态体验攻略与微调实战.vep
- 【Gemini】03_解锁 Gemini API-开启文本生成之旅.ts
- 【Gemini】04_掌握原生generate_content函数多轮对话技巧.ts
- 【Gemini】05_API内置简化多轮对话的start_chat函数与ChatSessi.ts
- 【Gemini】06_API精细化控制生成之System Instruction.ts
- 【Gemini】07_API精细化控制生成之generation_config与max_t.vep
- 【Gemini】08_API精细化控制生成之Temperature与Stop Sequen.ts
- 【Gemini】09_提示工程之长文档实战.ts
- 【Gemini】10_API精细化控制生成结构化与Json参数.ts
- 【GLM】01_GLM大模型API调用介绍与领取APIKEY.ts
- 【GLM】02_GLM模型API初次调用与响应解析.vep
- 【GLM】03_大模型API调用的消息和构建多轮对话机器人.ts
- 【GLM】04_十分钟速通GLM的可选参数.ts
- 【GLM】05_GLM的stream流式响应讲解.ts
- 【GLM】06_tooluse上-一次api调用的tooluse.ts
- 【GLM】07_tooluse下-两次api调用的tooluse.vep
- 【GLM】08_tooluse接入维基百科搜索实战.ts
- 【GLM】09_CogVideoX视频生成大模型.ts
- 【GLMAssistantAPI】01_调用assistantAPI流程与效果.ts
- 【GLMAssistantAPI】02_多个assistant演示解析使用.ts
- 【GLMAssistantAPI】03_将智能体集成Agent类使用.vep
- 【GLMAssistantAPI】04_构建fastapi的Web项目.ts
- 【GLMAssistantAPI】05_复刻AssistantAPI.ts
- 【GPT】01_OPENAI的账号注册速通.ts
- 【GPT】02_OPEN AI官网及开发者平台使用指南.ts
- 【GPT】03_虚拟信用卡开通与升级GPT_Plus会员.vep
- 【GPT】04_API账户充值及领取API_KEY及首次调用API.ts
- 【GPT4o】01_4o文本生成API基本讲解与调用.ts
- 【GPT4o】02_2个核心必需参数详解与对话消息本质剖析.ts
- 【GPT4o】03_多轮对话历史及面向对象多轮对话机器人实战.ts
- 【GPT4o】04_精细控制生成可选参数系列讲解.vep
- 【GPT4o】05_4o多模态图片的文本生成API调用详解.ts
- 【GPT4o】06_3步的 tool use基础讲解与【实战】社交媒体情绪数据分析.ts
- 【GPT4o】07_5步的 tool use完整的调用流程与汇总.ts
- 【GPT4o】08_tool use 维基百科实时写作助手【实战】.ts
- 【GPT4o】09_并行的函数调用与实时股票价格、历史走势绘图与分析【实战】.vep
- 【GPT4o】10_输出生成结构化的3种方式（JSON结构化）.ts
- 【GPT4o】11_首token时延与提示缓存原理与最佳实践.ts
- 【GPT4o】12_Streaming流式响应详解.ts
- 【GPT4o】13_函数调用中的Streaming流式响应.ts
- 【GPT4o】14_风格微调（上）创建数据集与微调作业.vep
- 【GPT4o】15_风格微调（下）微调作业运行与应用评估.ts
- 【GPTo1】01_o1大模型原理介绍 从4o到o1实际上发生了什么.ts
- 【GPTo1】02_o1模型的API调用详解与总结.ts
- 【GPTo1】03_通过COT制作4o-mini版本的o1模型【实战】.ts
- 【GPTo1】04_2种加载模型o1没有的Json结构功能与【实战】.vep
- 【GPTo1】05_用o1蒸馏模型实战（上）.ts
- 【GPTo1】06_用o1蒸馏模型实战（下）.ts
- 提示工程全解指南.ts
- DSPy：斯坦福20k+星标项目 - 革命性的LLM优化框架，从评估到自动优化你的LLM系统（如RAG系统）.ts
- DSPy优化器优化LLM程序.ts
- GLM 4 工具调用从入门到精通与CogVideoX 文本生成视频 API 全流程.ts
- GLM Assistant API集成与FastAPI服务复刻实战指南.ts
- GLM模型：流式处理的工具调用、多模态应用及模型微调实战指南.ts
第02阶段：开源大模型部署调用2 集
- 在Windows环境下使用Ollama启动多模态模型llama3.2Vision全流程.ts
- ChatGLM3-6B】01_Ubuntu双系统安装.MP4
- ChatGLM3-6B】02_Ubuntu环境下ChatGLM3-6b命令行安装办法.MP4
- ChatGLM3-6B】03_服务器环境下部署ChatGLM3-6b.vep
- ChatGLM3-6B】04_ChatGLM3-6b的多种启动方法.vep
- ChatGLM3-6B】05_AutoDL快速部署ChatGLM3-6b办法.ts
- ChatGLM3-6B】06_Git方法简洁下载ChatGLM3-6b.ts
- ChatGLM3-6B】07_以ChatGLM3-6b为例的大模型更新办法.ts
- ChatGLM3-6B】08_单机多卡启动大模型办法.ts
- ChatGLM3-6B】09_LoRA原理浅析.vep
- ChatGLM3-6B】10_LoRA微调实战训练.ts
- ChatGLM3-6B】11_DeepSpeed原理浅析.ts
- ChatGLM3-6B】12_PEFT高效微调原理浅析.ts
- ChatGLM3-6B】13_P-Tuning V2微调实战.ts
- ChatGLM3-6B】14_LangChian体系详解.vep
- ChatGLM3-6B】15_LangChain0.3安装部署与调用方法.ts
- Cursor】调用QWQ实现辅助编程--调用本地模型全流程.ts
- Cursor】在Windows环境下调用QWQ线上API实现辅助编程方法.ts
- Cursor&Coder高效低代码开发办法.ts
- Glm-Edge-v-5B模型介绍与本地部署.ts
- GLM4-9B】01_模型基本介绍.ts
- GLM4-9B】02_安装部署流程展示.vep
- GLM4-9B】03_多种启动方式流程展示.ts
- GLM4-9B】04_vLLM介绍和部署应用.ts
- GLM4-9B】05_WSL部署流程.ts
- GLM4-Voice】01_模型基本介绍.ts
- GLM4-Voice】02_多模态与AGI技术展望.vep
- GLM4-Voice】03_本地化部署流程.ts
- GLM4-Voice】04_线上部署流程.ts
- GLM4-Voice】05_开源大模型比拼-排行榜介绍.ts
- Llama.cpp】以Qwen2.5为例实现量化模型启动与API调用.vep
- Llama.cpp】以Qwen2VL为例实现GGUF模型量化与调用办法.ts
- Llama3.1】01_Llama家族系列模型生态介绍.ts
- Llama3.1】02_线上体验办法.ts
- Llama3.1】03_技术论文解读.ts
- Llama3.1】04_官网以及Ollama部署流程.vep
- Llama3.1】05_ModelScope线上部署.ts
- Llama3.1】06_ModelScope本地部署.ts
- Llama3.1】07_LlamaFactory中文能力微调实例.ts
- Llama3.2】01_基本介绍与线上测试办法.ts
- Llama3.2】02_官网下载流程.ts
- Llama3.2】03_Ollama在Linux和Windows部署方法.vep
- Marco-o1模型介绍与本地部署.ts
- Ollama最新版本保姆级指南.ts
- Ollama最新版本启动多模态模型Llama3.2Vision全流程[Linux环境].ts
- Qwen2--5Coder：32B基本介绍和测试.ts
- Qwen2--5Coder本地部署使用全流程.ts
- Qwen2.5】01_基本介绍与线上体验办法.ts
- Qwen2.5】02_ModelScope本地化部署流程.ts
- Qwen2.5】03_ModelScope线上部署办法.vep
- Qwen2.5】04_Ollama框架部署流程.ts
- Qwen2.5】05_在Windows系统中使用Ollama框架部署流程.ts
- Qwen2.5】06_vLLM部署与调用流程.ts
- Qwen2.5Coder&Math】01_Coder介绍.ts
- Qwen2.5Coder&Math】02_Math介绍.vep
- Qwen2.5Coder&Math】03_Coder技术文章分析.ts
- Qwen2.5Coder&Math】04_Math技术文章分析.ts
- Qwen2.5Coder&Math】05_Math线上体验.ts
- Qwen2.5Coder&Math】06_Coder本地部署推理流程.ts
- Qwen2.5Coder&Math】07_vLLM推理Coder流程.vep
- Qwen2.5Coder&Math】08_Ollama推理Coder流程.ts
- Qwen2.5Coder&Math】09_线上部署推理Coder流程.ts
- Qwen2.5Coder&Math】10_Math部署流程.ts
- Qwen2VL多模态模型参数介绍&部署使用全流程.vep
第03阶段：大模型微调实战36 条
- Ch 1.1 通用模型发展与微调前景.ts
- Ch 1.2 微调与其他技术的区别和关联.ts
- Ch 1.3 微调步骤及技术栈.vep
- Ch 1.4 高效微调及范围.vep
- Ch 1.5 强化学习RHLF介绍.ts
- Ch 1.6 主流微调框架.ts
- Ch 2.1 Lora原理详解.ts
- Ch 2.2 LLama_factory 介绍.ts
- Ch 2.3 LLama_factory 安装部署及验证.vep
- Ch 2.4 实战Qwen2.5微调.ts
- Ch 2.5 配置TensorBoard.ts
- Ch 3.1 如何获取数据源及使用解析.ts
- Ch 3.2 llamafactory中如何使用和注册数据集.ts
- Ch 3.3 模型微调及参数详解.vep
- Ch 3.4 数据验证&deepspeed微调.ts
- Ch 4.1 win&Qlora&qwen2.5_Qlora能节约多少内存.ts
- Ch 4.2 Qlora核心概念.ts
- Ch 4.3如何在windows配置环境.ts
- Ch 4.4 Qlor微调实战与验证.vep
- Ch 5.1PPO&llama3.2_什么是PPO算法.ts
- Ch 5.2 如何理解PPO.ts
- Ch 5.3 各个模型PPO算法的协作关系.ts
- Ch 5.4 PPO模型与数据的选择.ts
- Ch 5.5 PPO微调实操.vep
- Ch 5.6 PPO源码解读.ts
- Ch 6.1 RLHF&Qwen2.5,RLHF背景与意义.ts
- Ch 6.2 RLHF流程拆解与核心.ts
- Ch 6.3 奖励模型原理.ts
- Ch 6.4 奖励模型训练流程.ts
- Ch 6.5 RLHF全流程微调.vep
- Ch 6.6 RLHF挑战与改进方向.ts
- DPO微调Qwen2.5.ts
- LLama_factory&Lora微调Qwen2.5做NL2sql.ts
- LLama_Factory+LORA大模型微调.ts
- PPO微调Llama-3.2.ts
- window系统微调QLORA.ts
适合人群
- AI初学者
- AI进阶者
- 大模型爱好者
🎯 学习收获
- 掌握大模型部署技巧
- 学会智能体开发
- 提升AI应用开发能力
🎉 祝您学习愉快！
