├── PART1
│ ├── 001开班典礼
│ │ └── 00-开班典礼
│ ├── 01-HuggingFace核心组件介绍
│ │ └── 01-HuggingFace核心组件介绍
│ ├── 02-基于Bert的中文评价情感分析（训练篇）
│ │ └── 基于Bert的中文评价情感分析
│ ├── 03-基于Bert的中文评价情感分析（实现篇）
│ │ └── _基于Bert的中文评价情感分析-实现
│ ├── 04-GPT2-中文生成模型定制化（训练篇）
│ │ └── GPT2-中文生成模型定制化_训练篇
│ ├── 05-GPT2-中文生成模型定制化
│ │ └── GPT2-中文生成模型定制化
│ ├── 06-本地私有化部署大模型（Ollama&vLLM&LMDeploy
│ │ └── 本地私有化部署大模型
│ ├── 07-大模型微调（使用LLama Factory微调Qwen）
│ │ └── 大模型微调
│ ├── 08-大模型微调（LLama Factory自定义微调数据集）
│ │ └── 大模型微调
│ ├── 09-大模型微调（QLora微调&GGUF模型转换）
│ │ └── 视频
│ ├── 10-大模型微调（LLamaFactory微调效果与vllm部署效果不一致如何解决）
│ │ └── day_10视频
│ ├── 11-大模型微调分布式训练（LLama Factory与Xtuner分布式微调大模型）
│ │ └── day11
│ ├── 12-大模型压缩训练（知识蒸馏）
│ │ └── day_12
│ ├── 13-大模型推理部署（分布式推理与量化部署）
│ │ └── day13
│ └── 14-大模型评估测试（OpenCompass）
│ └── day14
└── PART2
├── 15-大模型微调项目实战（情绪对话模型-数据工程篇）
│ └── day15
├── 16-大模型微调项目实战（情绪对话模型-最终效果）
│ └── day16
├── 17-Llamaindex快速构建RAG
│ └── day17
├── 18-Llama_indexRAG进阶_Embedding_model与Chroma
│ └── day18
├── 19-Llama_indexRAG进阶_文档切分与重排序
│ └── day19
├── 20-Dify实现RAG
│ └── day20
├── 21-RAGFlow
│ └── day21
├── 22-基于RAG的法律条文智能助手（方案篇）
│ └── day22
├── 23-基于RAG的法律条文智能助手-实现与部署
│ └── day23
├── 24-基于RAG的法律条文智能助手-微调与部署
│ └── day24
├── 25-Dify构建Agent
│ └── day25
├── 26-LangGraph构建多智能体
│ └── day26
├── 27-DeepSeek原理与应用
│ └── day27
└── 28-多模态大模型应用
└── day28
