大模型项目开发线上营 [实战审稿GPTRAGAI Agent等六大商用落地项目]

【资源目录】:

├── 第一阶段 从零实现一个带RLHF的类ChatGPT

│ ├── 第1课 开营仪式与ChatGPT的三阶段训练方式_ev.mp4 (421.26 MB)

│ ├── 第1课之补充：通透理解Transformer——从自注意力到多头注意力_ev.mp4 (299.02 MB)

│ ├── 第2课 从零实现带RLHF的类ChatGPT(上)：SFT与RM的实现_ev.mp4 (242.41 MB)

│ └── 第3课 从零实现带RLHF的类ChatGPT(下)：RLHF的完整实现_ev.mp4 (288.41 MB)

├── 第三阶段 从爬取数据开始从零开发：七月论文审稿GPT(第2版已超过OpenAI的GPT4)

│ ├── 第10课 大模型之高效文本数据处理：规则式与启发式 2024-03-17 16_12_ev.mp4 (574.25 MB)

│ ├── 第11课 论文审稿GPT第一版：如何爬取论文数据、解析论文PDF、处理review数据 2024-03-17 16_25_ev.mp4 (219.16 MB)

│ ├── 第12课 论文审稿GPT第一版的模型的选型_训练，与第二版的全方位优化计划 2024-03-17 16_30_ev.mp4 (212.79 MB)

│ ├── 第13课 论文审稿GPT第二版之论文PDF解析和review数据处理：规范Review的格式且多聚一 2024-03-17 16_39_ev.mp4 (149.79 MB)

│ ├── 第14课 相关工作之AcademicGPT：增量训练LLaMA2-70B，包含论文审稿功能 2024-03-17 16_43_ev.mp4 (198.45 MB)

│ ├── 第15课 论文审稿GPT第二版之模型的前置知识：Mistral 7B、YaRN、LongLoRA_LongQLoRA 2024-03-17 16_47_ev.mp4 (209.52 MB)

│ ├── 第16课 论文审稿GPT第二版之模型的选型与训练：LLaMA 2 7B chat longqlora 2024-03-17 16_53_ev.mp4 (214.23 MB)

│ └── 第17课 论文审稿GPT第二版之模型的评估：如何评估审稿GPT的效果 2024-03-17 16_58_ev.mp4 (173.03 MB)

├── 第二阶段 从头开始微调出来一个医疗问答大模型

│ ├── 第4课 Meta LLaMA的结构与原理：参数少但多数任务的效果好于GPT3_ev.mp4 (145.88 MB)

│ ├── 第4课之补充：半小时总结LLaMA 2的技术架构精要_ev.mp4 (72.55 MB)

│ ├── 第5课 Stanford Alpaca：结合英文语料通过Self Instruct方式微调LLaMA 7B_ev.mp4 (329.73 MB)

│ ├── 第5课之补充：Alpaca-LoRA微调过程「使用已清洗的alpaca数据基于LoRA微调LLaMA-7B」_ev.mp4 (69.68 MB)

│ ├── 第6课 ChatGLM2-6B(第二代)的结构与微调_ev.mp4 (73.64 MB)

│ ├── 第6课之补充1：ChatGLM2-6(第二代)的LoRA_P-Tuning微调_ev.mp4 (109.59 MB)

│ ├── 第6课之补充2：ChatGLM3-6(第三代)的结构与LoRA微调_ev.mp4 (135.29 MB)

│ ├── 第7课 通透理解FlashAttention：大模型更长上下文的关键之一_ev.mp4 (261.66 MB)

│ ├── 第8课 医疗问答大模型(上)：基于LLaMa微调的ChatDoctor_ev.mp4 (264.08 MB)

│ └── 第9课 医疗问答大模型(下)：基于中文数据微调的医疗领域大模型_ev.mp4 (310.71 MB)

├── 第五阶段 基于stable diffusion二次开发一个AIGC模特生成系统(也含代码)

│ ├── 第27课 通俗理解Stable Diffusion：文本到图像的潜在扩散模型(改进版DDPM) _ev.mp4 (229.26 MB)

│ ├── 第28课 Stable Diffusion WebUI安装部署及项目结构解析_ev.mp4 (207.56 MB)

│ ├── 第29课 Stable Diffusion Webui生成AI模特描述研究、参数及流程_ev.mp4 (276.42 MB)

│ └── 第30课 AIGC模特生成系统核心代码详解 2024.mp4 (184.82 MB)

├── 第六阶段 三大AI Agent项目：自动对人类下达的任务进行拆解分析、工具调用

│ ├── 第31课 阿里通义千问Qwen-7B的原理及ReAct用法 2024.mp4 (126.37 MB)

│ ├── 第32课 Agent基础与Qwen-Agent实践 2024.mp4 (255.67 MB)

│ ├── 第33课 OpenAgents 2024.mp4 (265.29 MB)

│ └── 第34课 modelscope-agent_ev.mp4 (219.31 MB)

└── 第四阶段 实现基于企业多文档的知识库问答系统(RAG检索增强生成)

├── 第18课 langchain的整体组成架构 2024-03-17 17_14_ev.mp4 (174.54 MB)

├── 第18课之补充：langchain十个应用示例(文档问答_数据库问答_智能体Agents等) 2024-03-17 17_26_ev.mp4 (184.78 MB)

├── 第19课 如何通过LangChain+LLM搭建本地知识库问答 2024-03-17 17_29 (1)_ev.mp4 (99.18 MB)

├── 第19课 如何通过LangChain+LLM搭建本地知识库问答 2024-03-17 17_29_ev.mp4 (99.18 MB)

├── 第19课之补充1：本地知识库问答系统的搭建与部署 2024-03-17 17_55_ev.mp4 (185.98 MB)

├── 第19课之补充2：七月的GPU登录及使用说明(如还不会用七月GPU则必看) 2024-03-17 18_06_ev.mp4 (32.47 MB)

├── 第20课 如何解决知识库检索出错的问题：embedding算法是关键之一 2024-03-17 18_11_ev.mp4 (162.52 MB)

├── 第21课 如何更好的分割结构化的文档 2024-03-17 18_21_ev.mp4 (78.10 MB)

├── 第22课 如何解决非结构化文档分割不够准确的问题：比如按照语义切分(含Sora解读) 2024-03-17 19_12_ev.mp4 (165.64 MB)

├── 第23课 逐行深入分析：langchain-ChatGLM项目的关键源码解读(特别是向量搜索_匹配) 2024-03-17 19_19_ev.mp4 (189.22 MB)

├── 第24课 如何确保召回结果的全面性与准确性：多路召回、重排及检索评估方式 2024-03-17 19_29_ev.mp4 (193.37 MB)

├── 第25课 如何基于文档中的表格进行问答 _ev.mp4 (132.30 MB)

└── 第26课 企业知识库场景下的RAG整体优化方案 _ev.mp4 (213.28 MB)