├── 01阶段：大模型入门
│ ├── day01-大模型必备Python语言
│ │ ├── 1-1 大模型必备Python语言
│ │ └── …
│ ├── day02-大模型必备Python语言
│ │ ├── 1-2 大模型必备Python语言
│ │ └── …
│ ├── day03-大模型必备Python语言
│ │ ├── 1-3 大模型必备Python语言
│ │ └── …
│ ├── day04-大模型必备Python语言
│ │ ├── 1-4 大模型必备Python语言
│ │ └── …
│ ├── day05-大模型前置知识
│ │ ├── 1-5 大模型前置知识
│ │ └── …
│ ├── day06-大模型前置知识
│ │ ├── 1-6 大模型前置知识
│ │ └── …
│ ├── day07-大模型前置知识
│ │ ├── 1-7 大模型前置知识
│ │ └── …
│ └── day08-大模型前置知识
│ ├── 1-8 大模型前置知识
│ └── …
│
├── 02阶段：大模型应用初体验
│ ├── day01 大模型应用工具实战1
│ │ ├── AI工具学习目标
│ │ ├── 传智星云网
│ │ ├── 通义千问大模型使用
│ │ ├── 通义万象
│ │ └── …
│ ├── day02 大模型应用工具实战2
│ │ ├── VSCode集成IFlyCode实现前端页面编写
│ │ ├── 基于IFlyCode编写后端代码
│ │ ├── 通义灵码的使用
│ │ ├── Kimi大模型工具
│ │ └── …
│ ├── day03 大模型开发入门
│ │ ├── 课程内容说明
│ │ ├── 大语言模型的背景
│ │ ├── 语言模型理解
│ │ └── 语言模型的发展
│ ├── day04 主流大模型介绍及大模型Prompt-Tuning方法入
│ │ ├── 语言模型的评估指标
│ │ ├── 大语言模型的主要类别
│ │ ├── AR和Seq2Seq模型
│ │ └── 主流的模型架构
│ ├── day05 大模型Prompt-Tuning方法进阶
│ │ ├── GPT原理
│ │ ├── GPT1
│ │ ├── GPT2
│ │ ├── GPT3
│ │ ├── chatGPT
│ │ └── 主流的开源大模型
│ ├── day06 大模型提示词工程应用
│ │ ├── 微调方法
│ │ ├── 硬模版微调
│ │ └── 软模版
│ └── …
│
├── 03阶段：大模型开发新增技术
│ ├── day01 大模型开发工具Function Call的原理及实践
│ │ ├── 百度千帆大模型介绍
│ │ └── 百度千帆大模型使用
│ ├── day02 【项目】财务助手
│ │ ├── function_call
│ │ ├── 阿里百炼
│ │ └── 天气获取
│ ├── day03 大模型Agent的原理及实践
│ │ ├── function_call多个函数
│ │ ├── function_call数据库查询
│ │ └── GPTs
│ ├── day04 基于阿里魔搭社区的Agent应用
│ │ ├── AssistantAPI
│ │ └── agent
│ ├── day05 大模型Agent应用
│ │ ├── agent
│ │ ├── 应用场景
│ │ ├── 邮件案例
│ │ └── modelscope
│ ├── day06 大模型开发工具Langchain详解1
│ │ ├── langchain介绍
│ │ └── model组件
│ ├── day07 大模型开发工具Langchain详解2
│ │ ├── model
│ │ ├── prompt
│ │ ├── chain
│ │ ├── agent
│ │ └── memory
│ └── day08 大模型开发工具Langchain详解3
│ ├── index
│ ├── 向量数据库
│ └── 检索
│
├── 04阶段：大模型高级项目开发
│ ├── day01 【项目】基于知识库RAG的物流行业信息问答系统
│ │ ├── 项目介绍
│ │ ├── 环境配置
│ │ ├── 模型构建
│ │ ├── 构建向量库
│ │ ├── 检索
│ │ └── 微调方法
│ ├── day02【项目】大健康行业智能问诊系统
│ │ ├── 上下文学习
│ │ ├── prefix微调
│ │ ├── adapter
│ │ └── lora微调思想（重点）
│ ├── day03 【项目】大健康行业智能问诊系统2
│ │ ├── 项目介绍
│ │ ├── 数据集介绍
│ │ ├── preprocess
│ │ ├── dataset
│ │ └── dataloader
│ ├── day04【项目】新零售行业评价决策系统
│ │ ├── 模型结构
│ │ ├── 模型搭建
│ │ └── 模型训练过程
│ ├── day05【项目】新零售行业评价决策系统
│ │ ├── function_tool
│ │ ├── 预测流程
│ │ ├── 模型上线
│ │ ├── 项目架构
│ │ └── 数据处理
│ ├── day06【项目】新零售行业评价决策系统
│ │ ├── dataloader
│ │ ├── 损失函数
│ │ ├── 评价指标
│ │ └── 训练过程
│ ├── day07 【项目】新媒体行业评论智能分类与信息抽取系统
│ │ ├── 项目介绍
│ │ ├── 模型推理
│ │ └── 数据处理
│ ├── day08 【项目】新媒体行业评论智能分类与信息抽取系统
│ │ ├── 模型训练与推理
│ │ ├── lora微调项目介绍
│ │ └── 技术选型
│ └── day09 【项目】新媒体行业评论智能分类与信息抽取系统
│ ├── 数据处理
│ ├── dataloader
│ ├── 模型训练
│ └── AIGC介绍
│
├── 05阶段：多模态大模型应用实战
│ ├── day01 【项目】Stable Diffusion多模态大模型应用实战
│ │ ├── 图像生成
│ │ ├── clip模型
│ │ └── dalle
│ └── day02 【项目】Stable Diffusion多模态大模型应用实战2
│ ├── imagen
│ ├── stablediffusion的基本概念
│ ├── 模型结构
│ └── 处理流程
│
├── 06阶段：技术面试分享（赠送）
│ ├── day01-综合项目与项目路演
│ ├── day02-大模型面试指导
│ │ └── 1-42 大模型加餐课（面试指导）
│ └── day03-大模型加餐课
│ └── 大模型加餐课（模型部署）
│
