AI大模型应用开发实战课程：从模型训练到行业落地

AI大模型应用开发实战课程：从模型训练到行业落地

1. 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。
2. AI开发环境搭建
   • 学习Python、conda、vscode等开发环境的配置。
3. 大模型微调环境准备
   • 准备llama-factory环境，为模型微调打下基础。
4. 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。
5. 微调数据集准备
   • 学习SFT继续预训练和偏好优化的方法。
6. 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。
7. 模型部署
   • 学习模型合并导出与量化，实现本地部署。
8. RAG技术原理与实操
   • 深入了解RAG技术，实践RAGFlow项目。
9. 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。
10. 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。
11. NaiveRAG与Langchain实践
    • 实践NaiveRAG和Langchain，提升项目实战能力。
12. Rerank技术原理与实践
    • 学习交叉编码与双编码，实践rankGPT。
13. Embedding原理与训练
    • 掌握word2vec、CBOW等Embedding原理，实践llamaindex微调。
14. Embedding模型评估
    • 学习MRR评测和MTEB评测，评估Embedding模型性能。
15. 相似性搜索算法
    • 探索k-means、肘部法则等相似性搜索算法。
16. 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。
17. 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。
18. 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。
19. Agent设计模式
    • 掌握Fewshot、ReAct、Reflexion、LAT等设计模式。
20. Agent框架与多Agent架构
    • 学习SingleAgent和MultiAgent架构，提升协作能力。
21. 提示词工程
    • 掌握软提示词、fewshot、COT TOT等提示词工程技巧。
22. 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。
23. RAG评估
    • 掌握评估指标，实践RAGAs和TruLens。
24. RAG行业落地
    • 分享实践心得、落地经验和业务场景。
25. Langgraph与AutoGen项目实战
    • 实践Langgraph和AutoGen项目，提升项目实战能力。
26. CrewAI项目实战
    • 学习Crew Task A，提升团队协作和项目管理能力。