├─01 第一周
│ ├─01 第一节 2024年1月16日
│ │ └─01 开营+大模型训练以及应用Case分析
│ │ 01 开营+大模型训练以及应用Case分析-01.mp4
│ │ 02 开营+大模型训练以及应用Case分析-02.mp4
│ │ 03 开营+大模型训练以及应用Case分析-03.mp4
│ │ 04 开营+大模型训练以及应用Case分析-04.mp4
│ │
│ └─02 第二节 2024年1月18日
│ └─01 代码演示
│ 01 大模型应用场景.mp4
│ 02 OpenAI API及Gradio.mp4
│ 03 GPTs.mp4
│
├─02 第二周
│ ├─01 第三节 2024年1月23日
│ │ └─01 提示工程及案例
│ │ 01 提示工程.mp4
│ │ 02 案例.mp4
│ │
│ ├─02 助教补充课-Gradio入门 2024年1月24日
│ │ └─01 gradio入门
│ │ 01 gradio入门.mp4
│ │
│ └─03 第四节 2024年1月25日
│ └─01 文档分割及相似度分析
│ 01 大模型的商业化落地挑战.mp4
│ 02 基于文档的LLM回复系统搭建.mp4
│ 03 大模型的hallucination.mp4
│ 04 文本的向量化.mp4
│
├─03 第三周
│ ├─01 第五节 2024年1月30日
│ │ └─01 倒排索引、KNN、PQ
│ │ 01 从基础RAG到进阶RAG.mp4
│ │ 02 倒排索引.mp4
│ │ 03 Product Quantization.mp4
│ │
│ └─02 第六节 2024年2月1日
│ └─01 NSW与HNSW算法、推荐系统、LLM结合
│ 01 回顾、NSW与HNSW算法.mp4
│ 02 推荐系统、LLM结合.mp4
│ 03 推荐系统案例:代码学习.mp4
│
├─04 第四周
│ ├─01 第七节 2024年2月20日
│ │ └─01 LangchAIn的应用
│ │ 01 LangchAIn的应用-01.mp4
│ │ 02 LangchAIn的应用-02.mp4
│ │
│ └─02 第八节 2024年2月22日
│ └─01 -LangchAIn的应用2
│ 01 LangchAIn的应用2-output parser.mp4
│ 02 LangchAIn的应用2-retrieval、chAIn组件.mp4
│ 03 langchAIn-for-youtube项目讲解.mp4
│
├─05 第五周
│ ├─01 第九节 2024年2月27日
│ │ └─01 RAG的改进方案
│ │ 01 RAG回顾以及有可能存在的问题.mp4
│ │ 02 RAG的改进方案Query的改造.mp4
│ │ 03 RAG的改进方案Query Retriever Ranking RAGAS RAG评估.mp4
│ │
│ └─02 助教补充课-进阶RAG实战案例 2024年2月29日
│ └─01 advanced_rag
│ 01 advanced_rag01.mp4
│ 02 advanced_rag02.mp4
│
├─06 第六周
│ ├─01 第十节 2024年3月5日
│ │ └─01 Agent
│ │ 01 Agent01.mp4
│ │ 02 Agent02.mp4
│ │
│ └─02 第十一节 2024年3月7日
│ └─01 autogpt_metagpt
│ 01 autogpt.mp4
│ 02 metagpt.mp4
│
├─07 第七周
│ ├─01 第十二节 2024年3月12日
│ │ └─01 HuggingGPT、斯坦福小镇
│ │ 01 HuggingGPT.mp4
│ │ 02 斯坦福小镇.mp4
│ │ 03 mock_interview_agent.mp4
│ │
│ └─02 第十三节 2024年3月14日
│ └─01 fine tune、Lora的微调
│ 01 fine tune.mp4
│ 02 Lora的微调01.mp4
│ 03 Lora的微调02.mp4
│
├─08 第八周
│ └─01 第十四节 2024年3月21日
│ └─01 llama介绍&微调
│ 01 llama介绍&微调-01.mp4
│ 02 llama介绍&微调-02.mp4
│
├─09 第九周
│ ├─01 第十五节 2024年3月26日
│ │ └─01 Mistral-7B、MoE、ChatGLM、Qwen
│ │ 01 Mistral-7B、MoE.mp4
│ │ 02 ChatGLM、Qwen.mp4
│ │
│ └─02 第十六节 2024年3月28日
│ └─01 多模态、文生图、文字转语音
│ 01 多模态、文生图、文字转语音-01.mp4
│ 02 多模态、文生图、文字转语音-02.mp4
│
├─10 第十周
│ └─01 第十七节 2024年4月2日
│ └─01 多模态大模型、LLaVA MiniGPT-4
│ 01 多模态大模型.mp4
│ 02 LLaVA MiniGPT-4.mp4
│
└─课件资料
课件资料.zip
有需要联系v;加客服窗口的联系方式
摘要:2024最新贪心科技-大模型开发应用实战营,旨在为广大开发者提供前沿的大模型技术培训,助力企业实现智能化升级。本文将从实战营的背景、课程设置、师资力量和实战演练四个方面进行详细阐述,帮助读者全面了解这场技术盛宴。
1、背景
随着人工智能技术的飞速发展,大模型技术逐渐成为行业焦点。2024最新贪心科技-大模型开发应用实战营应运而生,旨在为广大开发者提供一个学习、交流、实战的平台。通过实战营,学员可以深入了解大模型技术,掌握相关开发技能,为企业智能化升级提供有力支持。
实战营的举办,不仅有助于推动我国人工智能产业的发展,还能促进人才培养和科技创新,为我国在全球人工智能领域占据有利地位奠定基础。
此外,实战营还积极响应国家政策,助力企业实现数字化转型,提升企业核心竞争力。
2、课程设置
实战营的课程设置紧贴行业需求,涵盖了从基础知识到实战应用的各个方面。课程内容主要包括大模型技术原理、框架搭建、模型训练、优化与调参、应用场景等。通过系统学习,学员可以全面掌握大模型技术的核心知识,为实际项目开发打下坚实基础。
实战营还特别设置了实战项目环节,让学员在实际操作中锻炼技能,提升解决实际问题的能力。项目涵盖金融、医疗、教育、工业等多个领域,满足不同行业的需求。
此外,实战营还邀请行业专家进行专题讲座,分享最新研究成果和实战经验,为学员提供广阔的视野。
3、师资力量
实战营的师资力量雄厚,邀请了来自国内外知名高校、研究机构和企业的专家学者担任主讲。这些专家具有丰富的理论知识和实践经验,能够为学员提供高质量的教学服务。
实战营还注重师资团队的多元化,邀请了不同背景的讲师,为学员提供多元化的学习视角。此外,实战营还建立了严格的师资选拔和考核机制,确保教学质量。
实战营的师资团队在业界享有盛誉,为学员提供了权威、专业的指导。
4、实战演练
实战营注重学员的实战能力培养,设置了丰富的实战演练环节。学员在实战演练中,可以运用所学知识解决实际问题,提升自己的实践能力。
实战演练项目由实战营团队精心设计,具有实战性和挑战性。学员在完成项目过程中,可以充分锻炼自己的团队协作、沟通能力和解决问题的能力。
实战演练结束后,实战营还会组织专家评审,对学员的成果进行评估,为学员提供反馈和建议。
总结:
2024最新贪心科技-大模型开发应用实战营,作为一场技术盛宴,为广大开发者提供了一个学习、交流、实战的平台。通过实战营,学员可以全面掌握大模型技术,提升自己的实践能力,为企业智能化升级贡献力量。
实战营的举办,有助于推动我国人工智能产业的发展,助力企业实现数字化转型,为我国在全球人工智能领域占据有利地位奠定基础。
本文由nayona.cn整理
联系我们

关注公众号

微信扫一扫
支付宝扫一扫
