龙哥《AI大模型应用开发-模型训练-RAG-Agent-AI项目实战-行业落地课》_封面图.jpeg

AI大模型应用开发实战课程聚焦RAG、Agent等前沿技术,通过系统化的项目实战与模块化教学,全面覆盖模型训练、微调、部署及行业落地。课程不仅教授最新技术原理,还提供高效实践路径,助您快速掌握AI技术核心,赋能实际业务场景。

课程目录:

第一课、人工智能介绍:迭代路径,大模型进化树,技术分类

第一课、RAG技术原理与RAGFlow项目实操

第一课、Agent原理简介:planning、memory

第一课、大模型微调llama-factory环境准备

第二课、柏拉图表征假说与scalinglaw:KM缩放定律

第二课、微调数据集准备(SFT继续预训练,偏好优化)

第二课、NaiveRAG与langchain实践

第二课、提示词工程:软提示词,fewshot,COT TOT

第三课、AI开发环境(python、conda、vscode

第三课、高级RAG(一)层次索引,句子窗口,子查询,HyDE

第三课、微调过程lora微调与Qlora微调

第三课、Agent平台:国内外主流平台,Coze搭建智能客服

第四课、高级RAG(二)提示词压缩,融合,llamainde

第四课、模型评估(批量推理与自动评估benchmark)

第四课、Agent工具使用与functioncall:MR

第五课、模块化RAG(一)顺序模式,条件模式,分支模式

第五课、模型部署(模型合并导出与量化,本地部署)

第五课、Agent设计模式(一):Fewshot,ReAct

第六课、模块化RAG(二)迭代,递归检索,FLARE,Toc

第六课、Agent设计模式(二):REWOO,LLMComp

第七课、Embedding原理:word2vec、CBOW

第七课、Agent设计模式(三):Reflexion,LAT

第八课、Embedding模型训练:llamaindex微调

第八课、Agent框架:SingleAgent,Multi

第九课、Embedding模型评估:MRR评测,MTEB评测

第九课、Langchain项目原理与实战

第十课、Rerank技术原理与实践(一)交叉编码与双编码

第十课、Langgraph项目原理与实战

第十一课、Rerank模型微调与实践(二)rankGPT

第十一课、Langgraph多Agent架构:协作多Age

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

第十二课、AutoGen项目原理与实战(一):AutoGen

第十三课、相似性搜索算法:k-means,肘部法则

第十三课、AutoGen项目原理与实战(二):代码执行,工具

第十四课、近似邻近算法与过滤向量:PQ量化,HNSW,LSH

第十四课、CrewAI项目原理与实战:Crew Task A

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

第十六课、向量数据库代码示例:chroma与qdrant代码

第十七课、RAG评估:评估指标,RAGAs,TruLens

第十八课、RAG行业落地:实践心得,落地经验,业务场景

隐藏内容
本内容需权限查看
  • 普通用户: 8金币
  • VIP会员: 免费
  • 永久会员: 免费
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。