|
|
五号服务器---VIP资料下载七区\ICT全方向教程\人工智能系列
人工智能AI大模型应用开发-模型训练 RAG Agent AI项目实战 最近在学一个大模型的课程，大模型泛化能力的技术架构已经确立为RAG，后面在此基础上做细化了，看哪家先搞出靠谱的成品。
[1]-第一课：人工智能介绍：迭代路径，大模型进化树，技术分类.mp4
[2]-第二课：柏拉图表征假说与scaling law：KM缩放定律.mp4
[3]-第三课：AI开发环境（python、conda、vscode.mp4
[4]-第一课：大模型微调llama-factory环境准备.mp4
[5]-第二课：微调数据集准备（SFT,继续预训练，偏好优化）.mp4
[6]-第三课：微调过程lora微调与Qlora微调.mp4
[7]-第四课：模型评估（批量推理与自动评估benchmark）.mp4
[8]-第五课：模型部署（模型合并导出与量化，本地部署）.mp4
[9]-第一课：RAG技术原理与RAGFlow项目实操.mp4
[10]-第二课：Naive RAG与langchain实践.mp4
[11]-第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE.mp4
[12]-第四课：高级RAG（二）提示词压缩，融合，llamainde.mp4
[13]-第五课：模块化RAG（一）顺序模式，条件模式，分支模式.mp4
[14]-第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc.mp4
[15]-第七课：Embedding原理：word2vec、CBOW.mp4
[16]-第八课：Embedding模型训练：llamaindex微调.mp4
[17]-第九课：Embedding模型评估：MRR评测，MTEB评测.mp4
[18]-第十课：Rerank技术原理与实践（一）交叉编码与双编码.mp4
[19]-第十一课：Rerank模型微调与实践（二）rankGPT.mp4
[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.mp4
[21]-第十三课：相似性搜索算法：k-means，肘部法则.mp4
[22]-第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH.mp4
[23]-第十五课：向量数据库选型：专用向量数据库，传统数据库支持向量.mp4
[24]-第十六课：向量数据库代码示例：chroma与qdrant代码.mp4
[25]-第十七课：RAG评估：评估指标，RAGAs，TruLens.mp4
[26]-第十八课：RAG行业落地：实践心得，落地经验，业务场景.mp4
[27]-第一课：Agent原理简介：planning、memory、.mp4
[28]-第二课：提示词工程：软提示词，fewshot，COT,TOT.mp4
[29]-第三课：Agent平台：国内外主流平台，Coze搭建智能客服.mp4
[30]-第四课：Agent工具使用与function call：MR.mp4
[31]-第五课：Agent设计模式（一）：Fewshot，ReAct.mp4
[32]-第六课：Agent设计模式（二）：REWOO，LLMComp.mp4
[33]-第七课：Agent设计模式（三）：Reflexion，LAT.mp4
[34]-第八课：Agent框架：Single Agent，Multi.mp4
[35]-第九课：Langchain项目原理与实战.mp4
[36]-第十课：Langgraph项目原理与实战.mp4
[37]-第十一课：Langgraph 多Agent架构：协作多Age.mp4
[38]-第十二课：AutoGen项目原理与实战（一）：AutoGen.mp4
[39]-第十三课：AutoGen项目原理与实战（二）：代码执行，工具.mp4
[40]-第十四课：CrewAI项目原理与实战：Crew,Task,A.mp4
[41]-第一课：知识图谱：RDF,RDFS,OWL，知识图谱架构,实.mp4
[42]-第二课：GraphRAG（一）：原理，部署使用，GraphR.mp4
[43]-第三课：GraphRAG（二）：索引原理，Leiden算法，.mp4
[44]-第四课：GraphRAG（三）：全局查询，局部查询，drif.mp4
[45]-第五课：LightRAG（一）：原理，实体与关系提取，双层检.mp4
[46]-第六课：LightRAG（二）：示例代码，参数解读，grap.mp4
[47]-第七课：LightRAG（三）：Neo4j使用，API Se.mp4
大模型工程师配套资料
1.embedding技术.pdf
2.企业RAG技术实战.pdf
3.rerank技术.pdf
4.llama-factory微调.pdf
5.ai认知课.pdf |
|
发表于 
发表于 
