|
AI大模型應(yīng)用開發(fā)模型訓(xùn)練-RAG-Agent-AI玩法實(shí)戰(zhàn)-行業(yè)落地課
課程內(nèi)容: 資料 企業(yè)RAG技術(shù)實(shí)戰(zhàn).pdf ai認(rèn)知課.pdf embedding技術(shù).pdf rerank技術(shù).pdf llama-factory微調(diào).pdf 13_第五課:模塊化RAG(一)順序模式,條件模式,分支模式.mp4 11_第三課:高級RAG(一)層次索引,句子窗口,子查詢,HyDE.mp4 37_第十一課:Langgraph多Agent架構(gòu):協(xié)作多Age.mp4 8_第五課:模型部署(模型合并導(dǎo)出與量化,本地部署).mp4 29_第三課:Agent平臺:國內(nèi)外主流平臺,Coze搭建智能客服.mp4 33_第七課:Agent設(shè)計(jì)模式(三):Reflexion,LAT.mp4 15_第七課:Embedding原理:word2vec、CBOW.mp4 16_第八課:Embedding模型訓(xùn)練:llamaindex微調(diào).mp4 21_第十三課:相似性搜索算法:k-means,肘部法則.mp4 1_第一課:人工智能介紹:迭代路徑,大模型進(jìn)化樹,技術(shù)分類.mp4 35_第九課:Langchain玩法原理與實(shí)戰(zhàn).mp4 5_第二課:微調(diào)數(shù)據(jù)集準(zhǔn)備(SFT繼續(xù)預(yù)訓(xùn)練,偏好優(yōu)化).mp4 17_第九課:Embedding模型評估:MRR評測,MTEB評測.mp4 23_第十五課:向量數(shù)據(jù)庫選型:專用向量數(shù)據(jù)庫,傳統(tǒng)數(shù)據(jù)庫支持向量.mp4 10_第二課:NaiveRAG與langchain實(shí)踐.mp4 39_第十三課:AutoGen玩法原理與實(shí)戰(zhàn)(二):代碼執(zhí)行,工具.mp4 12_第四課:高級RAG(二)提示詞壓縮,融合,llamainde.mp4 30_第四課:Agent工具使用與functioncall:MR.mp4 9_第一課:RAG技術(shù)原理與RAGFlow玩法實(shí)操.mp4 27_第一課:Agent原理簡介:planning、memory、.mp4 22_第十四課:近似鄰近算法與過濾向量:PQ量化,HNSW,LSH.mp4 24_第十六課:向量數(shù)據(jù)庫代碼示例:chroma與qdrant代碼.mp4 20_第十二課:向量數(shù)據(jù)庫簡介與相似性測量:歐式距離,余弦相似度.mp4 28_第二課:提示詞工程:軟提示詞,fewshot,COT TOT.mp4 34_第八課:Agent框架:SingleAgent,Multi.mp4 25_第十七課:RAG評估:評估指標(biāo),RAGAs,TruLens.mp4 6_第三課:微調(diào)過程lora微調(diào)與Qlora微調(diào).mp4 7_第四課:模型評估(批量推理與自動評估benchmark).mp4 31_第五課:Agent設(shè)計(jì)模式(一):Fewshot,ReAct.mp4 40_第十四課:CrewAI玩法原理與實(shí)戰(zhàn):Crew Task A.mp4 14_第六課:模塊化RAG(二)迭代,遞歸檢索,F(xiàn)LARE,Toc.mp4 19_第十一課:Rerank模型微調(diào)與實(shí)踐(二)rankGPT.mp4 26_第十八課:RAG行業(yè)落地:實(shí)踐心得,落地經(jīng)驗(yàn),業(yè)務(wù)場景.mp4 38_第十二課:AutoGen玩法原理與實(shí)戰(zhàn)(一):AutoGen.mp4 18_第十課:Rerank技術(shù)原理與實(shí)踐(一)交叉編碼與雙編碼.mp4 2_第二課:柏拉圖表征假說與scalinglaw:KM縮放定律.mp4 4_第一課:大模型微調(diào)llama-factory環(huán)境準(zhǔn)備.mp4 32_第六課:Agent設(shè)計(jì)模式(二):REWOO,LLMComp.mp4 3_第三課:AI開發(fā)環(huán)境(python、conda、vscode.mp4 36_第十課:Langgraph玩法原理與實(shí)戰(zhàn).mp4
自媒體課程回復(fù)可見:
|