课程目录

• AI大模型 赠送资料
• 11本AI大模型相关电子书
• 简历模板
• AI大模型 直播资料
• 5月28日
• 01-讲义
• 00-深度学习简介
• 01-PyTorch基本使用
• 02-笔记
• 深度学习基础
• 03-代码
• 01-Pytroch基本使用
• 02-神经网络
• 04-拓展
• 拓展1_深度学习拓展
• 拓展2_Pytorch-CUDA环境配置
• 5月30日
• 01-讲义
• 02-神经网络基础
• 03-Transformer详解
• 02-笔记
• 深度学习基础0530
• 03-代码
• 02-神经网络
• 03-卷积神经网络
• 04-循环神经网络
• 04-拓展
• 拓展3_Pycharm配置Anaconda环境
• 6月11日
• 01-讲义
• 01-LLM主要架构介绍
• 02-ChatGPT模型原理介绍
• 6月13号
• 01-讲义
• 01-LLM主流开源大模型介绍
• 开源的LLM
• 6月15日
• 01-讲义
• 01-大模型prompt-Tuning方法入门(1)
• 01-大模型prompt-Tuning方法入门
• 02-大模型prompt-Tuning方法进阶(1)
• 02-大模型prompt-Tuning方法进阶
• 大模型的微调
• 6月18日
• 01-讲义
• 01-大模型提示工程指南
• 6月1日
• 01-讲义
• 02-神经网络基础
• 03-Transformer详解
• 04-卷积神经网络
• 05-循环神经网络
• 02-笔记
• 深度学习基础0601
• 03-代码
• 02-神经网络
• 03-卷积神经网络
• 04-循环神经网络
• 6月20日
• 01-讲义
• 02-金融行业动态方向评估项目
• 03-LLM实现金融文本分类
• 04-LLM实现金融信息抽取
• 05-LLM实现金融信息匹配
• 02-代码
• finance_classify.py
• finance_ie.py
• finance_text_matching.py
• 03-weights
• chatglm2-6b-int4
• 1.环境要求
• 金融领域的行业动态分析
• 金融领域的行业动态分析.xmind
• 6月22日
• 01-讲义
• 01-虚拟试衣背景
• 02-阿里PAI平台
• 03-阿里云注册及开通PAI
• 04-PAI_DSW的环境搭建
• 星火大模型（博学谷）
• 02-代码
• QA_demo
• translate_in_many_style
• 语言大模型实现流程
• 6月24号
• PAI_DSW的环境搭建
• PAI平台开通指南
• 虚拟试衣实践
• 6月25号
• 01-讲义
• 01-Function Call的原理及应用
• SQL
• 02-code
• ChatGLM3_FunctionCall
• 6月27号
• 01-讲义
• 01-GPTs的介绍及应用
• 01-LLM基础知识
• 02-Assistant API的原理及应用
• 03-code
• MiniMax_Assistant
• 2307.16789v2
• 6月30日
• 01-讲义
• 01-AI Agents的开发应用
• 02-代码
• Agent_Email_Generate
• 6月4日
• 讲义
• 大模型应用工具实战01
• 软件
• Pycharm2023补丁
• VSCodeUserSetup-x64-1.89.1.exe
• 6月7日
• 软件
• StreamingTool-7.6.2-x64.exe
• yuan-live Setup 2.6.2.exe
• 大模型应用工具实战02
• 作业.txt
• 6月8日
• 01-讲义
• 01-LLM基础知识
• 02-LLM主要架构介绍
• 02-代码
• 01-bleu.py
• 02-rouge.py
• 03-PPL.py
• LLM背景介绍
• 大模型项目研发流程
• 7月11日
• 01-讲义
• 01-项目背景介绍
• 02-基于BERT+PET方式文本分类介绍
• 03-基于BERT+PET方式数据预处理介绍
• 02-代码
• PET
• 预训练模型
• 7月14日
• 01-讲义
• 04-基于BERT+PET方式文本分类模型搭建
• 05-基于BERT+P-Tuning方式文本分类介绍
• 代码同7月11号
• 基于BERT+PET实现文本分类.xmind
• 怎么使用GPU？训练使用
• 7月16日
• 01-讲义
• 06-基于BERT+P-Tuning方式数据预处理介绍
• 07-基于BERT+P-Tuning方式文本分类模型搭建
• 02-代码
• P-Tuning
• 7月18日
• 01-讲义
• 新媒体行业评论智能分类与信息抽取系统
• 基于Bert+P-tuning的文本分类.xmind
• 7月21日
• 01-讲义（与7月18号一样）
• 02-代码
• chatglm-6b
• ptune_chatglm
• 趋动云使用《补充》
• 趋动云执行chatglm
• 7月23日
• 01-讲义
• 01-AIGC 背景
• 02-图像生成方法
• 7月25日
• 01-讲义
• 03-stableDiffusion详解
• 04-StableDiffusion实践
• 05-腾讯云AI绘画
• 02-代码
• img-glasses
• img_Plaidshirtprogrammer
• weights
• aigc_demo_origin
• 7月28日
• 01-讲义
• 1706.03762
• AI论文阅读与写作
• 02-代码同7月25日代码
• 多模态大模型（文生图）.xmind
• 7月29日
• 大模型训练营2期-大模型时代
• 大模型训练营2期—简历优化
• 简历格式模板
• 简历优化及面试注意事项.txt
• 论文导读
• 人工智能-求职自我介绍以及项目描述参考模板.docx
• 7月2日
• 01-讲义
• 01-LangChain基础知识入门
• 02-code
• longchain
• 7月4日
• 01-code
• .idea
• RAG
• 01-讲义
• 02-基于LangChain+ChatGLM-6B实现物流行业信息咨询
• 7月7日
• 01-code
• Gpt2_Chatbot
• 02-讲义
• 基于GPT2搭建医疗问诊机器人
• 基于GPT2的医疗机器人聊天系统
• 7月9日
• 01-code
• Gpt2_Chatbot
• 02-讲义
• 基于GPT2搭建医疗问诊机器人
• 基于GPT2的医疗机器人聊天系统
• 第一周-大模型必备Python语言
• 01-讲义
• Python入门教程
• 02-软件
• Anaconda
• PyCharm
• 03-代码
• 【5月21日】代码
• 【5月23日】代码
• 【5月26日】代码
• 大模型前置课
• 第二章 pytorch框架
• 01-深度学习简介
• 02-pytorch简介和安装方法
• 03-pytorch内容说明
• 04-张量的基本创建方法
• 05-线性张量和随机张量
• 06-创建全0、全1和指定值的张量
• 07-张量元素类型转换
• 08-张量创建内容总结
• 09-张量转换为数组
• 10-数组转换为张量
• 11-张量标量数值的获取
• 12-张量的基本运算
• 13-张量的点乘运算
• 14-张量的乘法运算
• 15-张量的运算函数
• 16-张量的索引操作
• 17-张量的多维索引
• 18-张量的reshape方法
• 19-张量的squeeze和unsqueeze方法
• 20-张量的transpose和permute方法
• 21-张量的view方法
• 22-张量的拼接操作
• 23-自动微分模块
• 24-线性回归简介
• 25 26-线性回归的损失函数
• 26 27-梯度下降算法
• 27 28-线性回归实现流程
• 28 29-线性回归数据集构建
• 29 30-线性回归模型构建
• 30 31-线性回归模型训练与预测
• 第三章 神经网络
• 01-神经网络内容简介
• 02-神经元的设计
• 03-神经网络的构成
• 04-激活函数的作用
• 05-sigmoid激活
• 06-relu激活
• 07-softmax激活
• 08-常见的激活函数和选择方法
• 09-神经网络的构建
• 10-网络参数量的统计方法
• 11-神经网络的优缺点
• 12-损失函数
• 13-梯度下降算法
• 14-反向传播算法
• 15-价格分类案例需求分析
• 16-数据集获取
• 17 18-模型构建
• 18 19-模型训练
• 19 20-模型评估
• 20 21-NLP概述
• 21 22-transformer结构介绍
• 22 23-transformer实现汉译英
• 第一章 Python 基础前置课
• 01-（了解）Python语言简介
• 02-（重点）Anaconda3软件安装
• 03-（重点）PyCharm软件的安装与激活
• 04-（重点）PyCharm配置与Python入门程序编写
• 05-（重点）Python中的注释
• 06-（重点）Python中的变量
• 07-（重点）Python中的四种基本数据类型
• 08-（重点）Python中的运算符
• 09-（重点）Python中的输入与输出操作
• 10-（重点）Python中的print格式化输出
• 11-（重点）Python中的if选择结构
• 12-（重点）Python的if…else结构与if…elif…else多分支结构
• 13-（重点）if嵌套结构
• 14-（重点）Python实现猜拳游戏开发
• 15-（重点）Python中模块的导入与使用
• 16-（重点）Python中的for循环结构
• 17-（重点）for循环与range函数结合使用
• 18-（重点）for循环中的两大关键词
• 19-（重点）for循环综合案例之猜数字游戏开发
• 20-（重点）列表容器定义与增删改查操作
• 21-（重点）列表其他操作
• 22-（重点）列表的切片操作
• 23-（重点）列表相关函数与操作方法
• 24-（重点）Python中的元组定义与访问
• 25-（重点）字典的定义与增删改查操作
• 26-（重点）集合的定义与使用
• 27-（重点）函数的定义与调用
• 28-（重点）Python中变量的作用域
• 29-（扩展）global关键字的使用
• 30-（重点）函数的两种传参方式（位置传递与关键词传递）
• 31-（重点）默认值参数
• 32-（重点）不定长参数
• 33-（重点）lambda表达式
• 34-（重点）面向过程与面向对象
• 35-（重点）面向对象类和对象的概念
• 36-（重点）面向对象中的self关键字
• 37-（重点）对象属性的设置与获取
• 38-（重点）init魔术方法的使用
• 39-（重点）__call__魔术方法的使用
• 40-（重点）Python中类的继承
• 41-（重点）继承中的重写操作
• 42-（重点）super强制调用父类属性和方法
• 001-大模型必备Python语言
• 002-大模型必备Python语言
• 003-大模型必备Python语言
• 004-大模型必备Python语言
• 005-大模型必备Python语言
• 006-大模型前置知识
• 007-大模型前置知识
• 008-大模型前置知识
• 009-大模型前置知识
• 010-大模型应用工具实战
• 011-大模型应用工具实战
• 012-大模型应用工具实战
• 013-大模型开发入门
• 014-大模型开发入门
• 015-主流大模型介绍及大模型Prompt-Tuning方法入门
• 016-大模型Prompt-Tuning方法进阶
• 017-大模型提示词工程应用1
• 018-大模型提示词工程应用2
• 019-大模型提示词工程应用3
• 020-大模型提示词
• 021-【项目1】金融行业动态风向评估
• 022-企业级大模型定制平台
• 023-企业级大模型定制平台
• 024-企业级大模型定制平台
• 025-电商虚拟试衣
• 026-（新增）大模型开发工具Function Call的原理及实践
• 027-（新增）GPTs与Assistant API
• 028-（新增）大模型Agent的原理及实践
• 029-（新增）大模型Agent的原理及实践
• 030-大模型开发工具longchain详解
• 031-【项目3】物流行业信息咨询智能问答系统
• 032-【项目4】大健康行业智能问诊系统
• 033-【项目4】大健康行业智能问诊系统
• 034-【项目4】大健康行业智能问诊系统
• 035-项目5-1】新零售行业评价决策系统【基于BERT+PET方式】
• 036-【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】
• 037-【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】
• 038-【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】
• 039-【项目6】新媒体行业评论智能分类与信息抽取系统
• 040-【项目6】新媒体行业评论智能分类与信息抽取系统
• 041-ChatGLM-6B+LoRA模型搭建+趋动云资源配置
• 042-Stable Diffusion多模态大模型应用实战
• 043-Stable Diffusion多模态大模型应用实战
• 044-Stable Diffusion多模态大模型应用实战
• 045-Stable Diffusion多模态大模型应用实战
• 046-Stable Diffusion多模态大模型应用实战
• 047-综合项目与项目路演+【拓展】AI论文导读与论文撰写+结营典礼]】
• 048-大模型加餐课（面试指导）
• 049-大模型加餐课（模型部署）