(1.1.1)-embedding技术.pdf842.78kb
(1.1.2)-企业RAG技术实战.pdf1.05M
(1.1.3)-rerank技术.pdf242.05kb
(1.1.4)-llama-factory微调.pdf428.79kb
(1.1.5)-ai认知课.pdf140.00kb
[10]-第二课：Naive RAG与langchain实践.mp489.29M
[11]-第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE.mp4112.13M
[12]-第四课：高级RAG（二）提示词压缩，融合，llamainde.mp493.21M
[13]-第五课：模块化RAG（一）顺序模式，条件模式，分支模式.mp479.72M
[14]-第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc.mp4124.22M
[15]-第七课：Embedding原理：word2vec、CBOW.mp4103.90M
[16]-第八课：Embedding模型训练：llamaindex微调.mp4133.41M
[17]-第九课：Embedding模型评估：MRR评测，MTEB评测.mp4139.01M
[18]-第十课：Rerank技术原理与实践（一）交叉编码与双编码.mp492.57M
[19]-第十一课：Rerank模型微调与实践（二）rankGPT.mp4100.43M
[1]-第一课：人工智能介绍：迭代路径，大模型进化树，技术分类.mp475.22M
[20]-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.mp493.23M
[21]-第十三课：相似性搜索算法：k-means，肘部法则.mp4115.78M
[22]-第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH.mp4166.62M
[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.mp467.42M
[24]-第十六课：向量数据库代码示例：chroma与qdrant代码.mp452.35M
[25]-第十七课：RAG评估：评估指标，RAGAs，TruLens.mp4143.25M
[26]-第十八课：RAG行业落地：实践心得，落地经验，业务场景.mp4106.04M
[27]-第一课：Agent原理简介：planning、memory、.mp482.54M
[28]-第二课：提示词工程：软提示词，fewshot，COT,TOT.mp4119.65M
[29]-第三课：Agent平台：国内外主流平台，Coze搭建智能客服.mp498.27M
[2]-第二课：柏拉图表征假说与scaling law：KM缩放定律.mp485.26M
[30]-第四课：Agent工具使用与function call：MR.mp4112.41M
[31]-第五课：Agent设计模式（一）：Fewshot，ReAct.mp4127.32M
[32]-第六课：Agent设计模式（二）：REWOO，LLMComp.mp4135.53M
[33]-第七课：Agent设计模式（三）：Reflexion，LAT.mp4154.16M
[34]-第八课：Agent框架：Single Agent，Multi.mp4120.38M
[35]-第九课：Langchain项目原理与实战.mp4139.92M
[36]-第十课：Langgraph项目原理与实战.mp480.15M
[37]-第十一课：Langgraph 多Agent架构：协作多Age.mp4104.82M
[38]-第十二课：AutoGen项目原理与实战（一）：AutoGen.mp4121.35M
[39]-第十三课：AutoGen项目原理与实战（二）：代码执行，工具.mp4111.59M
[3]-第三课：AI开发环境（python、conda、vscode.mp474.32M
[40]-第十四课：CrewAI项目原理与实战：Crew,Task,A.mp4112.60M
[41]-第一课：知识图谱：RDF,RDFS,OWL，知识图谱架构,实.mp4139.11M
[42]-第二课：GraphRAG（一）：原理，部署使用，GraphR.mp4131.44M
[43]-第三课：GraphRAG（二）：索引原理，Leiden算法，.mp4177.22M
[44]-第四课：GraphRAG（三）：全局查询，局部查询，drif.mp493.35M
[45]-第五课：LightRAG（一）：原理，实体与关系提取，双层检.mp4137.01M
[46]-第六课：LightRAG（二）：示例代码，参数解读，grap.mp487.86M
[47]-第七课：LightRAG（三）：Neo4j使用，API Se.mp4103.38M
[4]-第一课：大模型微调llama-factory环境准备.mp4109.87M
[5]-第二课：微调数据集准备（SFT,继续预训练，偏好优化）.mp4164.69M
[6]-第三课：微调过程lora微调与Qlora微调.mp4184.58M
[7]-第四课：模型评估（批量推理与自动评估benchmark）.mp4140.98M
[8]-第五课：模型部署（模型合并导出与量化，本地部署）.mp4131.95M
[9]-第一课：RAG技术原理与RAGFlow项目实操.mp4118.43M
AI大模型应用开发-模型训练-RAG-Agent-AI项目实战链接: https://pan.baidu.com/s/1-GzMY7Dg7uuO1tJuv_5trw?pwd=k2pa 提取码: k2pa --来自百度网盘超级会员v10的分享 |
置顶卡
变色卡
