龙哥-AI大模型应用开发-模型训练-RAG-Agent-AI项目实战

课程目录

资料
[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)选代，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:PO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