课程内容：
资料
企业RAG技术实战.pdf
ai认知课.pdf
embedding技术.pdf
rerank技术.pdf
llama-factory微调.pdf
13第五课：模块化RAG（一）顺序模式，条件模式，分支模式.mp4
11第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE.mp4
37第十一课：Langgraph多Agent架构：协作多Age.mp4
8第五课：模型部署（模型合并导出与量化，本地部署）.mp4
29第三课：Agent平台：国内外主流平台，Coze搭建智能客服.mp4
33第七课：Agent设计模式（三）：Reflexion，LAT.mp4
15第七课：Embedding原理：word2vec、CBOW.mp4
16第八课：Embedding模型训练：llamaindex微调.mp4
21第十三课：相似性搜索算法：k-means，肘部法则.mp4
1第一课：人工智能介绍：迭代路径，大模型进化树，技术分类.mp4
35第九课：Langchain项目原理与实战.mp4
5第二课：微调数据集准备（SFT继续预训练，偏好优化）.mp4
17第九课：Embedding模型评估：MRR评测，MTEB评测.mp4
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.mp4
10第二课：NaiveRAG与langchain实践.mp4
39第十三课：AutoGen项目原理与实战（二）：代码执行，工具.mp4
12第四课：高级RAG（二）提示词压缩，融合，llamainde.mp4
30第四课：Agent工具使用与functioncall：MR.mp4
9第一课：RAG技术原理与RAGFlow项目实操.mp4
27第一课：Agent原理简介：planning、memory、.mp4
22第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH.mp4
24第十六课：向量数据库代码示例：chroma与qdrant代码.mp4
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.mp4
28第二课：提示词工程：软提示词，fewshot，COT TOT.mp4
34第八课：Agent框架：SingleAgent，Multi.mp4
25第十七课：RAG评估：评估指标，RAGAs，TruLens.mp4
6第三课：微调过程lora微调与Qlora微调.mp4
7第四课：模型评估（批量推理与自动评估benchmark）.mp4
31第五课：Agent设计模式（一）：Fewshot，ReAct.mp4
40第十四课：CrewAI项目原理与实战：Crew Task A.mp4
14第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc.mp4
19第十一课：Rerank模型微调与实践（二）rankGPT.mp4
26第十八课：RAG行业落地：实践心得，落地经验，业务场景.mp4
38第十二课：AutoGen项目原理与实战（一）：AutoGen.mp4
18第十课：Rerank技术原理与实践（一）交叉编码与双编码.mp4
2第二课：柏拉图表征假说与scalinglaw：KM缩放定律.mp4
4第一课：大模型微调llama-factory环境准备.mp4
32第六课：Agent设计模式（二）：REWOO，LLMComp.mp4
3第三课：AI开发环境（python、conda、vscode.mp4
36第十课：Langgraph项目原理与实战.mp4
本站
下载地址：🔒 VIP
密码：8888