马士兵-AI大模型全链路实战
├── 课时01 大模型直播课 NO.2766.3701
├── 课时02 大模型理论基础 NO.2641
│ ├── 自然语言处理初期发展
│ ├── Transformer详解
│ ├── BERT详解
│ └── GPT1详解
├── 课时03 AI大模型提示词工程深入实战 NO.2662
├── 课时04 OpenAI之嵌入式 Embedding模型 NO.2653
│ ├── AI中数据的本质
│ ├── Embedding介绍
│ ├── 词嵌入和必要条件
│ ├── 基于Embedding的相似搜索
│ └── 聊天机器人实战案例
├── 课时05 基于OpenAI的大模型开发与实战 NO.2690
│ ├── 构建一个AI助手
│ ├── GPT模型输入图片
│ ├── 生成图片的实战案例
│ └── AI声音案例
├── 课时06 基于大模型的智能翻译助手 NO.2692
│ ├── 书籍自动翻译项目需求
│ ├── 调用AI大模型翻译文本
│ ├── Translator模块实现
│ ├── Writer模块实现
│ └── 整个项目综合调试
├── 课时07 Huggingface基础教程 NO.2645
│ ├── Huggingface简介和安装
│ ├── 模型与数据集使用
│ ├── 编码器基础工作流
│ ├── 管道工具
│ └── 中文分类任务
├── 课时08 大模型应用开发框架LangChain NO.2650
├── 课时09 AI大模型实践项目 NO.2691
│ ├── 构建项目环境
│ ├── Langchain中的提示模板设置
│ ├── Langchain翻译项目
│ ├── Gradio可视化
│ └── Gradio聊天和流式输出
├── 课时10 大模型LLaMA深度解析 NO.2699
│ ├── LLaMA概述
│ ├── LLaMA大模型整体架构
│ ├── SelfAttention
│ ├── RoPE
│ ├── KVcache
│ ├── GQA
│ ├── 模型推理
│ └── TopK、TopP采样策略
├── 课时11 国产大模型ChatGLM深度实战 NO.2652
│ ├── 智普GLM大模型介绍
│ ├── GLM-4大模型调用方式
│ ├── 自定义Tools
│ ├── 数据库操作
│ └── RAG文件加载器
├── 课时13 大模型微调和部署 NO.2651
├── 课时14 大模型核心硬件选型和私有化 NO.2657.3551
├── 课时15 从0到1训练私有大模型 NO.2647
├── 课时17 Huggingface实战项目 NO.2646.3540
├── 课时18 基于AI大模型开发问答系统 NO.2649.3543
│ ├── 销售客服AI机器人项目介绍
│ ├── 创建Vector数据库
│ ├── 加载向量数据库并得到Chain
│ ├── 项目UI可视化
│ └── AI机器人正式启动
├── 课时19 程序员的数学 NO.819.1590
├── 课时20 线性回归算法 NO.497.1370
├── 课时21 线性分类算法 NO.219.1218
├── 课时22 深度学习基础 NO.789.1567
├── 课时23 深度学习进阶 NO.793.1569
├── 课时24 自然语言处理(NLP) NO.798.1574
└── 课时25 PyTorch深度学习框架 NO.515.1381
