AI大模型应用开发​模型训练-RAG-Agent-AI项目实战-行业落地课

AI大模型应用开发​模型训练-RAG-Agent-AI项目实战-行业落地课

课程内容：

资料包

企业RAG技术实战手册.pdf

AI基础认知课程.pdf

Embedding技术详解.pdf

rerank技术解析.pdf

llama-factory微调指南.pdf

13_第五课：模块化RAG应用（一）顺序结构、条件判断、分支流程.mp4

11_第三课：高阶RAG技巧（一）分层索引、语句窗口、子查询与HyDE.mp4

37_第十一课：Langgraph多Agent系统搭建实战.mp4

8_第五课：模型部署实操（合并导出、量化与本地化部署）.mp4

29_第三课：Agent平台对比：Coze搭建客服系统实例.mp4

33_第七课：Agent设计模式解析（三）反思机制与LAT策略.mp4

15_第七课：Embedding原理剖析：word2vec与CBOW模型.mp4

16_第八课：Embedding模型调优：llamaindex实战.mp4

21_第十三课：相似搜索算法：k-means聚类与肘部法则.mp4

1_第一课：AI发展脉络：技术演进路线与模型分类体系.mp4

35_第九课：Langchain框架解析与项目实操.mp4

5_第二课：微调数据准备：SFT与偏好优化策略.mp4

17_第九课：Embedding评估方法：MRR与MTEB指标.mp4

23_第十五课：向量数据库对比：专用库与传统库扩展方案.mp4

10_第二课：基础RAG实现与langchain应用.mp4

39_第十三课：AutoGen实战（二）代码执行与工具调用.mp4

12_第四课：高阶RAG技巧（二）提示词优化与llamaindex整合.mp4

30_第四课：Agent工具调用：MRKL系统实现.mp4

9_第一课：RAG技术原理与RAGFlow实战演练.mp4

27_第一课：Agent核心机制：规划、记忆与工具调用.mp4

22_第十四课：近似最近邻算法：PQ量化与HNSW实现.mp4

24_第十六课：向量数据库实战：chroma与qdrant代码示例.mp4

20_第十二课：向量数据库基础与相似度计算方式.mp4

28_第二课：提示词技巧：软提示与COT/TOT方法.mp4

34_第八课：Agent架构模式：单Agent与多Agent系统.mp4

25_第十七课：RAG效果评估：指标体系与工具应用.mp4

6_第三课：模型微调方法：lora与Qlora对比.mp4

7_第四课：模型效果验证：批量推理与自动化评估.mp4

31_第五课：Agent设计模式（一）Fewshot与ReAct框架.mp4

40_第十四课：CrewAI实战：任务智能体协作系统.mp4

14_第六课：模块化RAG进阶（二）迭代检索与FLARE策略.mp4

19_第十一课：Rerank模型调优（二）rankGPT应用.mp4

26_第十八课：RAG落地实践：场景应用与经验分享.mp4

38_第十二课：AutoGen实战（一）基础架构搭建.mp4

18_第十课：Rerank技术解析（一）交叉编码原理.mp4

2_第二课：表征理论与扩展定律：KM定律解读.mp4

4_第一课：微调环境配置：llama-factory准备.mp4

32_第六课：Agent设计模式（二）REWOO方案解析.mp4

3_第三课：开发环境搭建：Python/Conda/VSCode配置.mp4

36_第十课：Langgraph框架原理与应用.mp4