创富道场【vip1188.cn】项目课程资源网： 从0到1掌握AI大模型开发，涵盖模型训练、RAG、Agent，助力转行AI开发

项目课程介绍：《从0到1掌握AI大模型开发》

在当今快速发展的AI领域，掌握大模型开发技术已成为转行AI开发的关键。为了帮助有志于投身AI领域的学员们快速入门并深入掌握AI大模型开发，我们特别推出了《从0到1掌握AI大模型开发》项目课程。本课程旨在通过系统化的教学，让学员从基础到进阶，全面掌握模型训练、RAG（Retrieval Augmented Generation，检索增强生成）技术、Agent平台应用等核心技能，为转行AI开发打下坚实基础。

一、课程亮点

1. 全面覆盖：课程涵盖了AI大模型开发的各个方面，从基础的环境搭建、数据集准备，到模型训练、评估、部署，再到进阶的RAG技术、Agent平台应用等，一应俱全。
2. 实战导向：课程注重实战应用，通过丰富的项目案例，让学员在实践中掌握技能，提升解决问题的能力。
3. 专家授课：由经验丰富的AI专家亲自授课，确保学员学到最前沿、最实用的技术和知识。

二、课程内容

1. 人工智能基础：介绍人工智能的发展历程、迭代路径、大模型进化树及技术分类，帮助学员建立对AI领域的全面认识。
2. 大模型微调：详细讲解大模型微调的环境准备、数据集准备、微调过程及模型评估与部署，让学员掌握大模型开发的核心技能。
3. RAG技术：深入剖析RAG技术的原理、实践及评估方法，通过项目实操，让学员掌握RAG技术在AI开发中的应用。
4. Embedding技术：讲解Embedding原理、模型训练及评估方法，帮助学员掌握向量表示技术在AI开发中的重要性。
5. Agent平台应用：介绍Agent原理、平台选择、工具使用及设计模式，通过实战项目，让学员掌握Agent技术在AI开发中的应用。
6. 进阶项目实战：通过Langgraph、AutoGen、CrewAI等项目的原理与实战讲解，让学员在实战中提升AI大模型开发能力。
7. 知识图谱与GraphRAG：介绍知识图谱的基本原理及GraphRAG的应用，让学员掌握图结构数据在AI开发中的独特优势。
8. LightRAG技术：详细讲解LightRAG的原理、示例代码及Neo4j使用，让学员掌握轻量级RAG技术的开发与应用。

三、课程目标

通过本课程的学习，学员将能够：

1. 掌握AI大模型开发的基本流程和技术要点；
2. 熟练运用RAG技术进行AI应用开发；
3. 掌握Agent平台的选择、工具使用及设计模式；
4. 具备独立完成AI项目开发的能力；
5. 为转行AI开发打下坚实基础，提升职业竞争力。

四、适合人群

本课程适合对AI大模型开发感兴趣的学员，包括但不限于：

1. 想要转行AI开发的程序员；
2. 对AI技术感兴趣的在校大学生；
3. 希望提升AI开发技能的职场人士；
4. 对AI领域有浓厚兴趣的爱好者。

《从0到1掌握AI大模型开发》项目课程是通往AI开发领域的桥梁，它将引领你踏入AI的殿堂，开启一段充满挑战与机遇的旅程。我们相信，通过本课程的学习，你将能够掌握AI大模型开发的核心技能，为未来的职业发展奠定坚实的基础。快来加入我们，一起探索AI的无限可能吧！

五、课程目录

├── [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
├── [2]-第二课：柏拉图表征假说与scaling law：KM缩放定律.mp4
├── [3]-第三课：AI开发环境（python、conda、vscode.mp4
├── [4]-第一课：大模型微调llama-factory环境准备_ev.mp4
├── [5]-第二课：微调数据集准备（SFT,继续预训练，偏好优化）_ev.mp4
├── [6]-第三课：微调过程lora微调与Qlora微调_ev.mp4
├── [7]-第四课：模型评估（批量推理与自动评估benchmark）_ev.mp4
├── [8]-第五课：模型部署（模型合并导出与量化，本地部署）_ev.mp4
├── [9]-第一课：RAG技术原理与RAGFlow项目实操_ev.mp4
├── [10]-第二课：Naive RAG与langchain实践_ev.mp4
├── [11]-第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE_ev.mp4
├── [12]-第四课：高级RAG（二）提示词压缩，融合，llamainde_ev.mp4
├── [13]-第五课：模块化RAG（一）顺序模式，条件模式，分支模式_ev.mp4
├── [14]-第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc_ev.mp4
├── [15]-第七课：Embedding原理：word2vec、CBOW_ev.mp4
├── [16]-第八课：Embedding模型训练：llamaindex微调_ev.mp4
├── [17]-第九课：Embedding模型评估：MRR评测，MTEB评测_ev.mp4
├── [18]-第十课：Rerank技术原理与实践（一）交叉编码与双编码_ev.mp4
├── [19]-第十一课：Rerank模型微调与实践（二）rankGPT_ev.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_ev.mp4
├── [21]-第十三课：相似性搜索算法：k-means，肘部法则_ev.mp4
├── [22]-第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH_ev.mp4
├── [24]-第十六课：向量数据库代码示例：chroma与qdrant代码_ev.mp4
├── [25]-第十七课：RAG评估：评估指标，RAGAs，TruLens_ev.mp4
├── [26]-第十八课：RAG行业落地：实践心得，落地经验，业务场景_ev.mp4
├── [27]-第一课：Agent原理简介：planning、memory、_ev.mp4
├── [28]-第二课：提示词工程：软提示词，fewshot，COT,TOT_ev.mp4
├── [29]-第三课：Agent平台：国内外主流平台，Coze搭建智能客服_ev.mp4
├── [30]-第四课：Agent工具使用与function call：MR_ev.mp4
├── [31]-第五课：Agent设计模式（一）：Fewshot，ReAct_ev.mp4
├── [32]-第六课：Agent设计模式（二）：REWOO，LLMComp_ev.mp4
├── [33]-第七课：Agent设计模式（三）：Reflexion，LAT_ev.mp4
├── [34]-第八课：Agent框架：Single Agent，Multi_ev.mp4
├── [36]-第十课：Langgraph项目原理与实战_ev.mp4
├── [37]-第十一课：Langgraph 多Agent架构：协作多Age_ev.mp4
├── [38]-第十二课：AutoGen项目原理与实战（一）：AutoGen_ev.mp4
├── [39]-第十三课：AutoGen项目原理与实战（二）：代码执行，工具_ev.mp4
├── [40]-第十四课：CrewAI项目原理与实战：Crew,Task,A_ev.mp4
├── [41]-第一课：知识图谱：RDF,RDFS,OWL，知识图谱架构,实_ev.mp4
├── [42]-第二课：GraphRAG（一）：原理，部署使用，GraphR_ev.mp4
├── [43]-第三课：GraphRAG（二）：索引原理，Leiden算法，_ev.mp4
├── [44]-第四课：GraphRAG（三）：全局查询，局部查询，drif_ev.mp4
├── [46]-第六课：LightRAG（二）：示例代码，参数解读，grap_ev.mp4
├── [47]-第七课：LightRAG（三）：Neo4j使用，API Se_ev.mp4