AI大模型应用开发模型训练-RAG-Agent-AI项目实战-行业落地课，AI大模型应用开发模型训练实战，RAG-Agent-AI项目案例解析与行业应用

课程内容：

ai认知课.pdf

embedding技术.pdf

llama-factory微调.pdf

rerank技术.pdf

企业RAG技术实战.pdf

1_第一课:人工智能介绍:迭代路径、大型进化树、技术分类 .mp4

2_第二课:柏拉图表征假说和scalinglaww：KM缩放定律 .mp4

3_第三课:人工智能开发环境（python、conda、vscode .mp4

4_第一课：大模型微调llama-factory环境准备 .mp4

5_第二课:准备微调数据集（SFT 继续预训练，优化偏好) .mp4

6_第三课:微调过程lora微调和Qlora微调 .mp4

7_第四课:模型评估(批量推理和自动评估benchmark) .mp4

8_第五课:模型部署(模型合并导出量化，本地部署) .mp4

9_第一课:RAG技术原理与RAGFlow项目实际操作 .mp4

10_第二课:NaiveRAG和langchain实践 .mp4

11_第三课:高级RAG(1)层次索引，句子窗口，子查询，HyDE .mp4

第四课：高级RAG(二)提示词压缩、融合、llamainde .mp4

13_第五课:模块化RAG(1)顺序模式，条件模式，分支模式 .mp4

第六课：模块化RAG(2)迭代，递归检索，FLARE，Toc .mp4

15_第七课:Embeddin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评估，MTEB评估 .mp4

18_第十课：Rerank技术原理与实践(1)交叉编码和双编码 .mp4

19_第11课:Rerank模型微调与实践(2)rankGPT .mp4

20_第十二课:向量数据库简介及相似性测量:欧式距离，余弦相似性 .mp4

21_第十三课:类似搜索算法:k-means，肘部法则 .mp4

第十四课：近似相邻算法和过滤向量：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

第十六课：向量数据库代码示例：chroma和qdrant代码 .mp4

25_第十七课：RAG评价：评价指标，RAGAs，TruLens .mp4

26_第十八课:RAG行业落地:实践经验、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

第三课：Agent平台：国内外主流平台，Coze搭建智能客户服务 .mp4

30_第四课:使用Agent工具和functioncallll：MR .mp4

31_第五课:Agent设计模式(1)：Fewshot，ReAct .mp4

32_第六课:Agent设计模式(2)：REWOO，LLMComp .mp4

33_第七课:Agent设计模式(3)：Reflexion，LAT .mp4

34_第八课:Agent框架:SingleAgent，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:合作多Age .mp4

38_第十二课:AutoGen项目原理与实战(1)：AutoGen .mp4

39_第十三课:AutoGen项目原理与实战(2)：代码执行，工具 .mp4

40_第14课:CrewAI项目原理与实战:Crew Task A .mp4