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

课程目录：
├── [2]-第二课：柏拉图表征假说与scaling law：KM缩放定律.mp4
├── [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
├── [3]-第三课：AI开发环境（python、conda、vscode.mp4
├── [36]-第十课：Langgraph项目原理与实战_ev.mp4
├── [27]-第一课：Agent原理简介：planning、memory、_ev.mp4
├── [46]-第六课：LightRAG（二）：示例代码，参数解读，grap_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
├── [43]-第三课：GraphRAG（二）：索引原理，Leiden算法，_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
├── [24]-第十六课：向量数据库代码示例：chroma与qdrant代码_ev.mp4
├── [41]-第一课：知识图谱：RDF,RDFS,OWL，知识图谱架构,实_ev.mp4
├── [9]-第一课：RAG技术原理与RAGFlow项目实操_ev.mp4
├── [34]-第八课：Agent框架：Single Agent，Multi_ev.mp4
├── [19]-第十一课：Rerank模型微调与实践（二）rankGPT_ev.mp4
├── [21]-第十三课：相似性搜索算法：k-means，肘部法则_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
├── [25]-第十七课：RAG评估：评估指标，RAGAs，TruLens_ev.mp4
├── [44]-第四课：GraphRAG（三）：全局查询，局部查询，drif_ev.mp4
├── [47]-第七课：LightRAG（三）：Neo4j使用，API Se_ev.mp4
├── [4]-第一课：大模型微调llama-factory环境准备_ev.mp4
├── [7]-第四课：模型评估（批量推理与自动评估benchmark）_ev.mp4
├── [33]-第七课：Agent设计模式（三）：Reflexion，LAT_ev.mp4
├── [12]-第四课：高级RAG（二）提示词压缩，融合，llamainde_ev.mp4
├── [39]-第十三课：AutoGen项目原理与实战（二）：代码执行，工具_ev.mp4
├── [17]-第九课：Embedding模型评估：MRR评测，MTEB评测_ev.mp4
├── [37]-第十一课：Langgraph 多Agent架构：协作多Age_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
├── [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
├── [8]-第五课：模型部署（模型合并导出与量化，本地部署）_ev.mp4
├── [42]-第二课：GraphRAG（一）：原理，部署使用，GraphR_ev.mp4
├── [40]-第十四课：CrewAI项目原理与实战：Crew,Task,A_ev.mp4
├── [38]-第十二课：AutoGen项目原理与实战（一）：AutoGen_ev.mp4
├── [15]-第七课：Embedding原理：word2vec、CBOW_ev.mp4
├── [10]-第二课：Naive RAG与langchain实践_ev.mp4
├── [28]-第二课：提示词工程：软提示词，fewshot，COT,TOT_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
├── [30]-第四课：Agent工具使用与function call：MR_ev.mp4
├── [11]-第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE_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
├── [6]-第三课：微调过程lora微调与Qlora微调_ev.mp4
├── [14]-第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc_ev.mp4
├── [16]-第八课：Embedding模型训练：llamaindex微调_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

本文链接：https://www.lierenshequ.com/post/60086.html