创富道场【vip1188.cn】项目课程资源网： 从0到1学习AI开发：涵盖RAG,embedding,rerank等技术，助力行业落地

项目课程介绍：从0到1学习AI开发——RAG, Embedding, Rerank等技术实战指南

课程概述

在AI技术日新月异的今天，掌握前沿的AI开发技能已成为提升竞争力的关键。本课程旨在为零基础学员提供一条清晰的学习路径，从人工智能的基本概念到RAG（Retrieval Augmented Generation）、Embedding、Rerank等核心技术的深入实践，全方位助力学员在AI领域实现跨越式发展，推动AI技术在各行各业的落地应用。

课程特色

1. 系统全面：课程覆盖了从AI基础介绍到高级技术实战的全链条内容，包括大模型微调、RAG技术原理与实战、Embedding模型训练与评估、Rerank技术原理与实践等多个模块，确保学员能够构建完整的知识体系。

2. 实战导向：通过丰富的实战案例和项目，如RAGFlow项目实操、Langchain与AutoGen项目原理与实战、向量数据库选型与代码示例等，让学员在动手操作中加深理解，提升解决实际问题的能力。

3. 前沿技术：紧跟AI技术前沿，引入最新的RAG、Embedding、Rerank等技术，以及向量数据库、Agent框架等高级主题，确保学员掌握最前沿的技术动态。

4. 行业落地：结合RAG行业落地经验分享，提供实践心得和业务场景分析，帮助学员将所学知识应用于实际工作中，实现技术与业务的深度融合。

课程内容概览

• 基础篇：人工智能介绍、AI开发环境搭建、柏拉图表征假说与scaling law等，为学员打下坚实的理论基础。

• RAG技术篇：从RAG技术原理到高级RAG实践，包括层次索引、句子窗口、子查询、HyDE等高级功能，以及模块化RAG的顺序模式、条件模式、分支模式等，让学员全面掌握RAG技术的精髓。

• Embedding技术篇：深入讲解Embedding原理，如word2vec、CBOW等，以及Embedding模型训练与评估方法，包括llamaindex微调、MRR评测、MTEB评测等，提升学员在特征表示方面的能力。

• Rerank技术篇：介绍Rerank技术原理与实践，涵盖交叉编码与双编码、rankGPT等，帮助学员优化生成结果的排序质量。

• Agent与向量数据库篇：讲解Agent原理与设计模式，包括planning、memory、fewshot、ReAct等，以及向量数据库选型、相似性搜索算法、近似邻近算法等，为学员提供强大的工具支持。

• 项目实战篇：通过Langchain、AutoGen、Langgraph等项目原理与实战，以及CrewAI项目原理与实战等，让学员在真实项目中锻炼技能，积累实战经验。

• 行业落地篇：分享RAG行业落地心得与实践经验，分析业务场景，为学员提供行业应用指导。

适合人群

• AI爱好者与初学者
• 想要转型AI领域的开发者
• 对RAG、Embedding、Rerank等技术感兴趣的专业人士
• 寻求AI技术落地应用的企业与个人

本课程将从0到1带领学员走进AI开发的世界，通过系统的理论学习与实践操作，让学员掌握最前沿的AI技术，为未来的职业发展奠定坚实的基础。加入我们，一起探索AI的无限可能！

课程内容：

课程资料目录

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