从零开始学习AI开发：掌握关键技术和行业应用

从零开始学习AI开发：掌握关键技术和行业应用

1. AI开发入门
   • 介绍AI的基本概念、迭代路径、大模型进化树和技术分类。
2. AI开发环境搭建
   • 学习如何搭建AI开发环境，包括Python、conda、vscode等工具的使用。
3. RAG技术原理与实操
   • 深入了解RAG技术原理，包括层次索引、句子窗口、子查询和HyDE等高级应用。
4. 模块化RAG应用
   • 掌握模块化RAG的顺序模式、条件模式和分支模式，提升开发效率。
5. 微调数据集准备
   • 学习如何准备微调数据集，包括SFT继续预训练和偏好优化。
6. 微调过程与模型评估
   • 详细讲解lora微调与Qlora微调，以及批量推理与自动评估benchmark。
7. Embedding技术与模型训练
   • 掌握Embedding原理，包括word2vec、CBOW，以及llamaindex微调方法。
8. Embedding模型评估
   • 学习如何评估Embedding模型，包括MRR评测和MTEB评测。
9. 相似性搜索算法
   • 探讨k-means、肘部法则等相似性搜索算法，提升搜索效率。
10. 向量数据库选型与代码示例
    • 了解向量数据库的选型，包括专用向量数据库和传统数据库支持向量，以及chroma与qdrant代码示例。
11. Agent平台与工具使用
    • 学习国内外主流Agent平台，包括Coze搭建智能客服，以及Agent工具的使用与functioncall。
12. Agent设计模式
    • 掌握Agent设计模式，包括Fewshot、ReAct、Reflexion、LAT、REWOO、LLMComp等。
13. Langgraph项目原理与实战
    • 了解Langgraph多Agent架构，包括协作多Agent的应用。
14. Langchain项目原理与实战
    • 学习Langchain项目原理与实战，提升项目开发能力。
15. AutoGen项目原理与实战
    • 掌握AutoGen项目原理与实战，包括代码执行和工具使用。
16. CrewAI项目原理与实战
    • 学习CrewAI项目原理与实战，包括Crew Task A的应用。
17. RAG评估与行业落地
    • 了解RAG评估指标，包括RAGAs、TruLens，以及RAG行业落地的实践心得和业务场景。
18. Rerank技术原理与实践
    • 探讨Rerank技术原理，包括交叉编码与双编码，以及rankGPT的微调与实践。
19. 提示词工程
    • 学习提示词工程，包括软提示词、fewshot、COT TOT等技巧。
20. 近似邻近算法与过滤向量
    • 探讨近似邻近算法与过滤向量，包括PQ量化、HNSW、LSH等。
21. 向量数据库简介与相似性测量
    • 了解向量数据库的基本概念，包括欧式距离和余弦相似度的测量方法。