发帖
雷达卡
【AI商业实战】
(99 Bytes, 需要: RMB 39 元)
内容超级丰富，欢迎下载学习！
01 第一章【导学篇】：0基础学习导入
02 第二章 第一阶段（L1）-0基础快速入门AI大模型应用与实战
03 第三章 第二阶段（L2）：AI大模型的企业级应用
04 第四章 第三阶段（L3）-AI大模型的工作原理与优化
05 第五章 第四阶段（L4）-AI大模型的企业级项目实战
06 第六章 第五阶段（L5）：从模型训练到模型微调入门到精通
07 第七章 【产品篇】AI-Native产品设计
08 第八章【应用篇】：小白从0到1玩转Al Agent独立搭建个性化的智能体应用
09 【部署篇】：从0到1实现AI大模型及各类开源组件的环境部署
10 【基础篇】：Python快速入门
11 【基础篇】：Python数据科学必备工具包实战
12 【实战篇】：LangChain 零基础入门到企业级应用实战
13 RAG 入门核心原理到企业级智能交互应用实战
14 Dify零基础教程
15 常见问题答疑
课件资料
已选中47个文件/文件夹
100 实战项目二：Galora全量参数微调实战与tensorboard使用
101 实战项目三：GPTQ量化实战
102 1.分布式训练基础与网络环境配置
103 2.集体通信原语和网络拓扑
104 3.分布式微调训练框架与技术
105 4. 其他分布式训练优化操作要点
106 5.实战一-deepspeed&DDP单机多卡分布式微调
107 6.实战二-FSDP&DDP单机多卡分布式微调
108 7.实战三-多机多卡分布式微调实战
109 1.什么是知识蒸馏-修改
110 2.基于响应的知识蒸馏-修改
111 3和4一起：基于特征的知识蒸馏
112 5.关系型知识蒸馏-修改
113 6.大模型知识蒸馏难点与解决案例分享-修改
114 7.知识蒸馏项目实战-修改
115 1.大模型部署基础
116 2.大模型推理的优化技术
117 3.RestfulAPI与gRPC API的使用
118 4.Ollama实战部署
119 5.VLLM高效推理框架部署
120 6.SGlang介绍与使用
121 7.大模型生命周期管理
122 1.综合项目需求分析
123 2.综合项目数据处理与训练数据集构建
124 3.模型训练优化与高效推理部署
125 4.大模型未来发展趋势
126 5.AI工程师的职业发展路径
80 课程大纲介绍
81 大模型训练主要阶段与应用价值
82 大模型微调难点与挑战
83 主流显卡介绍与选择
84 本地微调环境搭建
85 云算力租赁介绍
86 llamafactory项目介绍与安装部署
87 llamafactory-webui面板配置与训练推理流程演示
88 llamafactory-webui难点参数理论讲解
89 1.数据集的来源与llamafactory中的数据集
90 2.数据集的构建
91 3.微调方法理论介绍与日志监控
92 4.项目实战一：lora微调演示
93 5.BAdam&Galora微调原理讲解
94 6.大模型加速技术
95 量化核心原理介绍
96 PTQ量化原理
97 QTA量化算法原理介绍
98 AWQ量化算法原理介绍
99 HQQ量化算法原理介绍【
326 0.环境安装和本地部署Dify
327 1.Ai应用的创建
328 2.应用工具箱
329 3.工作流
330 4.知识库
331 5.发布
351 2-RAG的概念和LLM的局限性
352 3-RAG流程
353 4-PDF文档解析工具
354 5-文本的切割
355 6-向量与Embeddings的定义
356 7-千问embedding调用
357 8-向量间的相似度计算
358 9-根据关键字检索
359 10-向量数据库的介绍
360 11-ChromaDB演示
361 12-基于向量检索的RAG实现
362 13-基于RAG实现智能问答系统
363 14-虚拟环境介绍
364 15-Jupyter notebook使用介绍
365 16-LangChain基本介绍
366 17-LangChain核心组件介绍
367 18-LangChain的基本
已选中66个文件/文件夹
260 1-001 Langchain简介
261 1-002 api_key设置
262 2-001 Langchain中的基本数据结构
263 2-002 模型种类
264 3-001 提示
265 3-002 示例选择器
266 3-003 输出解析part1
267 3-004 输出解析part2
268 4-001 文档加载器
269 4-002 文档分割器
270 4-003 文档检索
271 5-001 记忆
272 5-002 链-简单顺序链
273 5-003 链-总结链
274 6-001 Agent智能体简介
275 1-总结摘要
276 2-上下文问答
277 3- 结构化提取
278 4-评估
279 5- SQL 查询
280 6- 代码理解
281 7- api交互
282 8 - 聊天机器人
283 9 - Agent
284 1-Agent简介
285 2- LangGraph和Agent
286 3-基础介绍_demo
287 1-简单的图
288 2-langraph中的链
289 3-路由
290 4- react agent
291 5- agent和记忆
292 1-图状态一览
293 2-图状态更新
294 3-多重状态
295 4-修剪过滤消息
296 1-流式输出
297 2-断点
298 3-外部控制修改图状态
299 4 - 动态断点
300 1-并行运行
301 2 - 子图
302 3-Map reduce控制流
303 1-介绍
304 2- 索引part1
305 3-索引part2
306 4- 索引part3_词嵌入demo
307 5-索引part4_总结
308 6-索引全流程demo
309 7-检索
310 8-检索
311 9-生成
312 10-生成_demo
313 11-问题改写
314 12-问题改写_demo
315 13-问题改写_rerank_demo
316 14-问题分解
317 15-问题分解_demo
318 16-问题回退
319 17-问题回退demo
320 18-虚拟文档
321 19-虚拟文档demo
322 20-路由
323 21-路由demo
324 22-结构化搜索
325 23-结构化搜索dem
198 1-Numpy概述
199 2-Array数组
200 3-数组结构
201 4-数组类型
202 5-数值运算
203 6-排序操作
204 7-数组形状操作
205 8-数组生成函数
206 9-常用生成函数
207 10-四则运算
208 11-随机模块
209 12-文件读写
210 13-数组保存
211 14-练习题-1
212 15-练习题-2
213 16-练习题-3
214 1-Pandas概述
215 2-Pandas基本操作
216 3-Pandas索引
217 4-groupby操作
218 5-数值运算1
219 6-对象操作
220 7-对象操作2
221 8-merge操作
222 9-显示设置
223 10-数据透视表
224 11-时间操作
225 12-时间序列操作
226 13-Pandas常用操作
227 14-Pandas常用操作2
228 15-Groupby操作延伸
229 16-字符串操作
230 17-索引进阶
231 18-Pandas绘图操作
232 19-大数据处理技巧
233 1-Matplotlib概述
234 2-子图与标注
235 3-风格设置
236 4-条形图
237 5-条形图细节
238 6-条形图外观
239 7-盒图绘制
240 8-盒图细节
241 9-绘图细节设置
242 10-绘图细节设置2
243 11-直方图与散点图
244 12-3D图绘制
245 13-pie图
246 14-子图布局
247 15-结合pandas与sklearn
248 0-课程简介1
249 1整体布局风格设置
250 2风格细节设置
251 3调色板
252 4调色板颜色设置
253 5单变量分析绘图
254 6回归分析绘图
255 7多变量分析绘图
256 8分类属性绘图
257 9Facetgrid使用方法
258 10Facetgrid绘制多变量
259 11热度图绘制已选中14个文件/文件夹
160 20250214_Anaconda环境管理工具的安装教程
161 20250217_Pycharm环境安装与破解及整合Anaconda
162 20250217_使用Pycharm+OpenAI运行第一个大模型案例
163 20250218_hanlp本地运行出现的问题及操作步骤分析
164 _ollama+deepseek+anythingllm
165 2月21日 Window环境Deepseek+Ollama+Dify搭建个人旅行助手-1
166 2月22日Ubuntu+Deepseek-R1+Ollama+Dify实现旅行助手Agent-1
167 【粗剪】DeepSeek-R1+VLLM本地部署保姆级攻略
168 Ubuntu24环境下部署Video-LLaVA-2视频理解大模型
169 2月27日-Window环境下LangChain_ChatChat+Deepseek-R1搭建本地知识库
170 Ubuntu环境下安装LangChain-ChatChat+Deepseek实现本地知识库管理
171 20241225_AnythingLLM+Ollama基于本地私有化大模型搭建RAG知识库
172 jupyter notebook配置方法-1
173 3月21日 Window+Deepseek+Ra已选中10个文件/文件夹
130 重写产品经理的定义：从需求执行者到智能系统的导演
131 判断一件事是否值得智能化：从想法到ROI的计算逻辑
132 让知识流动起来：设计可被调用的知识结构
133 从感觉到数据：为智能系统定义可度量的价值口径
134 画出智能流程：对话、回退与责任边界的设计术
135 搭建数据脊梁：让系统拥有可学习的知识底座
136 让系统理解你：提示词设计的产品思维
137 原型不是Demo：用可执行逻辑验证可行性
138 写出可落地的PRD：让每一行描述都能被模型执行
139 用数据回答质
文件太多，无法一一列举，欢迎下载学习！
京公网安备 11010802022788号
