qincheng.work 2025-02-19 13:55 从0到1掌握AI大模型开发，涵盖模型训练、RAG、Agent，助力转行AI开发 课程目录： ├── [2]-第二课：柏拉图表征假说与scaling law：KM缩放定律 ├── [1]-第一课：人工智能介绍：迭代路径，大模型进化树，技术分类 ├── [3]-第三课：AI开发环境（python、conda、vscode ├── [36]-第十课：Langgraph项目原理与实战 ├── [27]-第一课：Agent原理简介：planning、memory、 ├── [46]-第六课：LightRAG（二）：示例代码，参数解读，grap ├── [18]-第十课：Rerank技术原理与实践（一）交叉编码与双编码 ├── [43]-第三课：GraphRAG（二）：索引原理，Leiden算法， ├── [26]-第十八课：RAG行业落地：实践心得，落地经验，业务场景 ├── [24]-第十六课：向量数据库代码示例：chroma与qdrant代码 ├── [41]-第一课：知识图谱：RDF,RDFS,OWL，知识图谱架构,实 ├── [9]-第一课：RAG技术原理与RAGFlow项目实操 ├── [34]-第八课：Agent框架：Single Agent，Multi ├── [19]-第十一课：Rerank模型微调与实践（二）rankGPT ├── [21]-第十三课：相似性搜索算法：k-means，肘部法则 ├── [5]-第二课：微调数据集准备（SFT,继续预训练，偏好优化） ├── [25]-第十七课：RAG评估：评估指标，RAGAs，TruLens ├── [44]-第四课：GraphRAG（三）：全局查询，局部查询，drif ├── [47]-第七课：LightRAG（三）：Neo4j使用，API Se ├── [4]-第一课：大模型微调llama-factory环境准备 ├── [7]-第四课：模型评估（批量推理与自动评估benchmark） ├── [33]-第七课：Agent设计模式（三）：Reflexion，LAT ├── [12]-第四课：高级RAG（二）提示词压缩，融合，llamainde ├── [39]-第十三课：AutoGen项目原理与实战（二）：代码执行，工具 ├── [17]-第九课：Embedding模型评估：MRR评测，MTEB评测 ├── [37]-第十一课：Langgraph 多Agent架构：协作多Age ├── [13]-第五课：模块化RAG（一）顺序模式，条件模式，分支模式 ├── [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 ├── [8]-第五课：模型部署（模型合并导出与量化，本地部署） ├── [42]-第二课：GraphRAG（一）：原理，部署使用，GraphR ├── [40]-第十四课：CrewAI项目原理与实战：Crew,Task,A ├── [38]-第十二课：AutoGen项目原理与实战（一）：AutoGen ├── [15]-第七课：Embedding原理：word2vec、CBOW ├── [10]-第二课：Naive RAG与langchain实践 ├── [28]-第二课：提示词工程：软提示词，fewshot，COT,TOT ├── [22]-第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH ├── [30]-第四课：Agent工具使用与function call：MR ├── [11]-第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE ├── [29]-第三课：Agent平台：国内外主流平台，Coze搭建智能客服 ├── [6]-第三课：微调过程lora微调与Qlora微调 ├── [14]-第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc ├── [16]-第八课：Embedding模型训练：llamaindex微调 ├── [31]-第五课：Agent设计模式（一）：Fewshot，ReAct ├── [32]-第六课：Agent设计模式（二）：REWOO，LLMComp AIGC人工智能 查看详情 qincheng.work：通过网盘分享的文件：AI大模型应用开发 链接: https://pan.baidu.com/s/114lI1UqgAqr_427TdITprA?pw... 提取码: a6qr --来自百度网盘超级会员v5的分享 2025-02-19 13:55https://pan.baidu.com/s/114lI1UqgAqr_427TdITprA?pwd=a6qr