AI大模型应用开发实战课程:从模型训练到行业落地
随着人工智能技术的飞速发展,AI大模型的应用开发已成为推动各行业创新的关键力量。本课程旨在为您提供从模型训练到行业落地的全方位实战指导,帮助您掌握AI大模型应用开发的核心技能。
课程目录:
-
人工智能概述
-
介绍AI的迭代路径、大模型进化树及技术分类。
-
-
AI开发环境搭建
-
学习Python、conda、vscode等开发环境的配置。
-
-
大模型微调环境准备
-
准备llama-factory环境,为模型微调打下基础。
-
-
柏拉图表征假说与Scaling Law
-
探索KM缩放定律及其对模型训练的影响。
-
-
微调数据集准备
-
学习SFT继续预训练和偏好优化的方法。
-
-
微调过程与评估
-
实践lora微调与Qlora微调,掌握批量推理与自动评估benchmark。
-
-
模型部署
-
学习模型合并导出与量化,实现本地部署。
-
-
RAG技术原理与实操
-
深入了解RAG技术,实践RAGFlow项目。
-
-
高级RAG技术
-
掌握层次索引、句子窗口、子查询和HyDE等高级RAG技术。
-
-
模块化RAG
-
学习顺序模式、条件模式、分支模式等模块化RAG技术。
-
-
NaiveRAG与Langchain实践
-
实践NaiveRAG和Langchain,提升项目实战能力。
-
-
Rerank技术原理与实践
-
学习交叉编码与双编码,实践rankGPT。
-
-
Embedding原理与训练
-
掌握word2vec、CBOW等Embedding原理,实践llamaindex微调。
-
-
Embedding模型评估
-
学习MRR评测和MTEB评测,评估Embedding模型性能。
-
-
相似性搜索算法
-
探索k-means、肘部法则等相似性搜索算法。
-
-
向量数据库简介与选型
-
了解向量数据库的基本概念,选择合适的数据库。
-
-
向量数据库代码示例
-
实践chroma与qdrant代码,提升数据库操作能力。
-
-
Agent平台与工具使用
-
学习国内外主流Agent平台,实践Coze搭建智能客服。
-
-
Agent设计模式
-
掌握Fewshot、ReAct、Reflexion、LAT等设计模式。
-
-
Agent框架与多Agent架构
-
学习SingleAgent和MultiAgent架构,提升协作能力。
-
-
提示词工程
-
掌握软提示词、fewshot、COT TOT等提示词工程技巧。
-
-
近似邻近算法与过滤向量
-
学习PQ量化、HNSW、LSH等近似邻近算法。
-
-
RAG评估
-
掌握评估指标,实践RAGAs和TruLens。
-
-
RAG行业落地
-
分享实践心得、落地经验和业务场景。
-
-
Langgraph与AutoGen项目实战
-
实践Langgraph和AutoGen项目,提升项目实战能力。
-
-
CrewAI项目实战
-
学习Crew Task A,提升团队协作和项目管理能力。
-
结语: AI大模型应用开发实战课程为您提供了从模型训练到行业落地的全面指导。通过本课程的学习,您将掌握AI大模型应用开发的核心技能,提升项目实战能力,为各行业的数字化转型贡献力量。立即加入课程,开启您的AI大模型应用开发之旅。
感谢您的来访,获取更多精彩文章请收藏本站。

© 版权声明