课程目录

• 00_Python基础
• 1-初始Python
• 10-字符编码的处理
• 11-Python程序调式和异常处理技巧
• 12-JSON应用
• 13-文件IO
• 14-爬虫（1）
• 15-爬虫（2）
• 16-爬虫（3）
• 17-爬虫（4）
• 18-字符串处理
• 19.dotenv使用
• 2-Windows环境安装
• 20.FastAPI的使用
• 3-macOS环境安装
• 4-VSCode安装与应用
• 5-PyCharn安装与应用
• 6-pip包管理工具
• 7-Python工程应用-字符串
• 8-Python文档化应用场景
• 9-如何使用注解
• 01_AI及LLM基础
• day01_AI领域基础概念
• day1-demo
• OpenAI-HK 操作指南
• OpenAI.apifox.json
• 【MD】AI 领域基础概念.md
• 【课件】AI 领域基础概念
• 【录播】AI 领域基础概念
• 【语雀】AI 领域基础概念.txt
• 【资料】AI 领域基础概念
• day02_OpenAI 开发
• day2-demo
• 【MD】OpenAI 开发.md
• 【课件】OpenAI 开发
• 【录播】OpenAI 开发
• 【语雀】OpenAI 开发.txt
• 【资料】OpenAI 开发
• day03_支持多模态输入的 AI Chatbot App
• day3-demo
• 【MD】支持多模态输入的 AI Chatbot App.md
• 【课件】支持多模态输入的 AI Chatbot App
• 【录播】支持多模态输入的 AI Chatbot App
• 【语雀】支持多模态输入的 AI Chatbot App.txt
• 【资料】支持多模态输入的 AI Chatbot App
• 02_Prompt基础
• day04_Prompt Engineering 提示词工程
• ChatGPT提示技巧工程完全指南
• DALL-E-3绘图提示词大全
• day4-demo
• 【MD】Prompt Engineering 提示词工程.md
• 【课件】Prompt Engineering 提示词工程
• 【录播】Prompt Engineering 提示词工程
• 【语雀】Prompt Engineering 提示词工程.txt
• 【资料】Prompt Engineering 提示词工程
• 实用Prompt指令大全.xlsx
• 03_LangChain基础
• day05_LangChain 基础
• day5-demo
• 【MD】LangChain 基础.md
• 【课件】LangChain 基础
• 【录播】LangChain 基础
• 【语雀】LangChain 基础.txt
• 【资料】LangChain 基础
• day06_LangChain Chat Model
• day6-demo
• redis-3.2.100_x64
• RedisDesktopManager-2022.5
• vs_BuildTools.exe
• 【MD】LangChain Chat Model.md
• 【课件】LangChain Chat Model
• 【录播】LangChain Chat Model
• 【语雀】LangChain Chat Model.txt
• 【资料】LangChain Chat Model
• day07_LangChain Tools & Agent
• day7-demo
• 【MD】LangChain Tools & Agent.md
• 【课件】LangChain Tools & Agent
• 【录播】LangChain Tools & Agent
• 【语雀】LangChain Tools & Agent.txt
• 【资料】LangChain Tools & Agent
• 04_Embedding基础
• day08_Embedding 与向量数据库
• day8-demo
• 【MD】Embedding 与向量数据库.md
• 【课件】Embedding 与向量数据库
• 【录播】Embedding 与向量数据库
• 【语雀】Embedding 与向量数据库.txt
• 【资料】Embedding 与向量数据库
• 05_Rag基础
• day09_RAG 专题
• day9-demo
• 【MD】RAG 专题.md
• 【课件】RAG 专题
• 【录播】RAG 专题
• 【语雀】RAG 专题.txt
• 【资料】RAG 专题
• 06_LangChain进阶
• day10_自定义组件专题
• day10-demo
• 【MD】自定义组件专题.md
• 【课件】自定义组件专题
• 【录播】自定义组件专题
• 【语雀】自定义组件专题.txt
• 【资料】自定义组件专题
• 07_langChain和RAG实战
• day11_基于LangChain和RAG的常用案例实战
• day11-demo
• 【MD】基于LangChain和RAG的常用案例实战.md
• 【课件】基于LangChain和RAG的常用案例实战
• 【录播】基于LangChain和RAG的常用案例实战
• 【语雀】基于LangChain和RAG的常用案例实战.txt
• 【资料】基于LangChain和RAG的常用案例实战
• 08_LangGraph
• day12_LangGraph
• day12-demo
• 【MD】LangGraph.md
• 【课件】LangGraph
• 【录播】LangGraph
• 【语雀】LangGraph.txt
• 【资料】LangGraph
• 09_Hugging Face
• day_13Hugging Face 核心组件介绍
• demo_13
• 【课件】Hugging Face 核心组件介绍
• 【录播】Hugging Face 核心组件介绍
• 【资料】Hugging Face 核心组件介绍
• day_14Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）
• demo_14
• 【课件】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）
• 【录播】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）
• 【资料】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）
• day_15Hugging Face 模型微调训练（如何处理超长文本训练问题）
• model
• 【课件】Hugging Face 模型微调训练（如何处理超长文本训练问题）
• 【录播】Hugging Face 模型微调训练（如何处理超长文本训练问题）
• 【资料】Hugging Face 模型微调训练（如何处理超长文本训练问题）
• day_16Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）
• demo_16
• gpt2-chinese模型
• 【课件】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）
• 【录播】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）
• 【资料】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）
• 10_modelScope
• day_17ModeScope在线训练平台&服务器选配训练模型
• demo_17
• 【课件】ModeScope在线训练平台&服务器选配训练模型
• 【录播】ModeScope在线训练平台&服务器选配训练模型
• 【资料】ModeScope在线训练平台&服务器选配训练模型
• 11_Llama3
• day_18Llama3大模型本地部署与调用
• demo_18
• 【课件】llama3大模型本地部署与调用
• 【录播】Llama3大模型本地部署与调用
• 【资料】Llama3大模型本地部署与调用(1)
• 【资料】Llama3大模型本地部署与调用
• day_19LLaMa3微调_使用 LLaMA-Factory微调Llama3
• data
• demo_19
• 【课件】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）
• 【录播】LLaMA_Factory微调Llama3
• 【资料】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）
• day_20LLaMa3打包部署教程 (Lora 微调与模型合并）
• demo_20
• 【课件】LLaMa3打包部署（Lora微调与模型合并部署）
• 【录播】LLaMa3打包部署教程 (Lora 微调与模型合并)
• 【资料】LLaMa3 打包部署教程 (Lora 微调与模型合并部署)
• day_21LLaMa3打包部署（LLaMA-Factory模型评估与量化）
• Lora微调权重（Llama-3-8B-Instruct）
• 【课件】LLaMa3打包部署（LLaMA-Factory模型评估与量化）
• 【录播】LLaMa3打包部署（LLaMA-Factory模型评估与量化）
• 【资料】LLaMa3打包部署（LLaMA-Factory模型评估与量化）
• day_22LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）
• Llama-3-8B-Instruct
• qlora
• 【课件】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）
• 【录播】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）
• 【资料】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）
• 12_多模态
• day_23多模态（多模态大模型的概念与本地部署调用）
• 【课件】多模态（多模态大模型的概念与本地部署调用）
• 【录播】多模态大模型的概念与本地部署调用
• 【资料】多模态（多模态大模型的概念与本地部署调用）
• 文生视频效果
• 13_llamaindex
• day_24Llama_Index（核心组件介绍）
• demo_24
• llama_index0.8.3
• 【课件】Llama_Index（核心组件介绍）
• 【录播】Llama_Index（核心组件介绍）
• 【资料】Llama_Index（核心组件介绍）
• day_25llamaindex实战（使用llamaindex构建自己的知识库）
• demo_25
• 【课件】llamaindex实战（使用llamaindex构建自己的知识库）
• 【录播】llamaindex实战（使用llamaindex构建自己的知识库）
• 【资料】llamaindex实战（使用llamaindex构建自己的知识库）
• 14_AutoGen Studio
• day_26AutoGen Studio调用本地大模型实现多Agent应用
• 【课件】AutoGen Studio入门使用
• 【录播】AutoGen Studio调用本地大模型实现多Agent应用
• 【资料】AutoGen Studio入门使用
• 15 项目实战（聚客一和二期)
• day33_RAG项目实战（使用llamaindex构建自己的知识库）
• RAG_项目源码
• 【课件】RAG项目实战（使用llamaindex构建自己的知识库）
• 【录播】RAG项目实战（使用llamaindex构建自己的知识库）
• 【资料】RAG项目实战（使用llamaindex构建自己的知识库）
• day34_视觉项目实战（基于yolo的骨龄识别项目_01）
• yolov5-master
• 【课件】视觉项目实战（基于yolo的骨龄识别项目_01）
• 【录播】视觉项目实战（基于yolo的骨龄识别项目_01）
• 【资料】YOLOv5目标侦测教程
• day35_视觉项目实战（基于yolo的骨龄识别项目_02）
• dataset
• arthrosis
• VOCdevkit
• day31_demo
• hand_bone_detect
• hand_test
• yolov5-bone
• 【课件】视觉项目实战（基于yolo的骨龄识别项目_02）
• 【录播】视觉项目实战（基于yolo的骨龄识别项目_02）
• day_27基于本地大模型的在线心理问诊系统（训练篇）
• data
• demo_27
• 【课件】基于本地大模型的在线心理问诊系统（训练篇）
• 【录播】基于本地大模型的在线心理问诊系统（训练篇01）
• 【资料】xtuner微调大模型教程
• day_28基于本地大模型的在线心理问诊系统（训练篇）
• data
• llama_factory_data
• output_conversations.csv
• xtuner_data
• llamafactory数据集转换代码
• data_utils.py
• xtuner环境
• requirements.txt
• xtuner模型训练配置文件
• internlm2_5_chat_7b_qlora_oasst1_e3.py
• qwen1_5_1_8b_chat_qlora_alpaca_e3.py
• 【录播】基于本地大模型的在线心理问诊系统（训练篇02）
• day_29基于本地大模型的在线心理问诊系统(部署篇)
• 项目模型
• Qwen1.5-1.8B-Chat_cusm
• trainer_log.jsonl
• 【课件】基于本地大模型的在线心理问诊系统（部署篇）
• 【录播】基于本地大模型的在线心理问诊系统(部署篇)
• 【资料】基于本地大模型的在线心理问诊系统（部署篇）
• day_30基于RAG的线上智能客服系统（微调篇）
• data
• demo_30
• 【课件】基于RAG的线上智能客服系统（微调篇）
• 【录播】基于RAG的线上智能客服系统（微调篇）
• day_31基于RAG的线上智能客服系统（部署篇）
• lora模型
• Qwen2.5-3B-Instruct-lora
• demo_31
• 【课件】基于RAG的线上智能客服系统（部署篇）
• 【录播】基于RAG的线上智能客服系统（部署篇）
• 【资料】OpenCompass文档.md
• day_32基于pytorch的语音识别与语音唤醒
• 本地存储index的RAG
• data
• storage
• rag.py
• demo_32
• 【课件】扩展项目（基于pytorch实现的语音识别）
• 【录播】扩展项目（基于pytorch的语音识别与语音唤醒）
• 16_项目实战（聚客第三期_最新）
• 1_开班典礼-241216
• 2024-12-16 开班典礼
• 2_RAG-Embedding-Vector
• day01
• RAG-Embeddings
• Python语法入门教程.md
• RAG搭建流程和文本向量
• day02
• RAG-Embeddings
• 向量数据库和RAG高级进阶
• 3_LangChain
• LangChain
• assets
• serve
• example_prompt_template.txt
• index.ipynb
• llama2
• memory.db
• LangChain
• day04_Hugging Face 核心组件介绍
• demo_4
• API_test
• data
• dataset
• trasnFormers_test
• 【课件】Hugging Face 核心组件介绍
• 【录播】Hugging Face 核心组件介绍
• 【资料】Hugging Face 核心组件介绍
• day05_基于 BERT 的中文评价情感分析
• demo_5
• .idea
• data
• model
• params
• __pycache__
• data_test.py
• MyData.py
• net.py
• run.py
• token_test.py
• train.py
• 【课件】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）
• 【录播】基于 BERT 的中文评价情感分析
• 【资料】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）
• day06_自定义vocab
• demo_6
• .idea
• data
• model
• params
• __pycache__
• data_test.py
• MyData.py
• MyData02.py
• net.py
• run.py
• test.py
• token_test.py
• train.py
• vocab_test.py
• 【课件】Hugging Face 模型微调训练（自定义vocab）
• 【录播】自定义vocab
• day07_如何处理超长文本训练问题
• demo_7
• data
• data.py
• data_test.py
• data_test02.py
• MyData.py
• net.py
• new_test.csv
• train.py
• validation.csv
• model
• 【课件】Hugging Face 模型微调训练（如何处理超长文本训练问题）
• 【录播】如何处理超长文本训练问题
• day08_GPT2-中文生成模型定制化微调训练
• demo_8
• .idea
• data
• example
• __pycache__
• data.py
• train.py
• gpt2-chinese模型
• 【课件】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）
• 【录播】GPT2-中文生成模型定制化微调训练
• day09_远程GPU服务器
• 代码与资料
• GPT2训练日志及权重
• 模型推理代码
• GPU服务器配置与使用
• 1月8日
• day10_llama3大模型本地调用
• demo_10
• Llama3_test
• data.py
• detect.py
• detect02.py
• net.pt
• train.py
• 【课件】llama3大模型本地调用
• 【录播】llama3大模型本地调用
• day11_Llama3.2模型微调
• demo_11
• .idea
• test01.py
• test02.py
• data
• 【课件】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）
• 【录播】llama3.2模型微调
• 【资料】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）
• day12_Lora模型合并与推理测试
• checkpoint-800
• adapter_config.json
• adapter_model.safetensors
• optimizer.pt
• README.md
• rng_state.pth
• scheduler.pt
• special_tokens_map.json
• tokenizer.json
• tokenizer_config.json
• trainer_state.json
• training_args.bin
• data
• ruozhiba_qaswift.json
• 【录播】Lora模型合并与推理测试
• day13_LLaMA-Factory模型导出量化
• checkpoint-3700
• adapter_config.json
• adapter_model.safetensors
• optimizer.pt
• README.md
• rng_state.pth
• scheduler.pt
• special_tokens_map.json
• tokenizer.json
• tokenizer_config.json
• trainer_state.json
• training_args.bin
• demo_13
• data
• test01.py
• 【课件】LLaMa3导出量化（LLaMA-Factory模型导出量化）
• 【录播】LLaMA-Factory模型导出量化
• 【资料】LLaMa3导出量化（LLaMA-Factory模型导出量化）
• day14_LLaMA-Factory模型评估与QLora微调
• AI技术路线
• 【课件】LLama-Factory模型评估与QLora微调
• 【录播】LLama-Factory模型评估与QLora微调
• 【资料】LLama-Factory模型评估
• day15_Qwen模型打包部署（Lora模型合并&转GGUF模型部署）
• Lora
• checkpoint-400
• 【课件】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）
• 【录播】HF模型转GGUF以及使用ollama部署
• 【资料】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）
• day16_Qwen模型打包部署（HF转GGUF&ollama+open_webui部署）
• Qwen1___5-1___8B-Chat-merged-q8.gguf
• 【课件】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）
• 【录播】Qwen模型打包部署（HF转GGUF&ollama+open_webui部署）
• 【资料】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）
• day17_Xtuner微调大模型
• xtuner数据集转换代码
• data
• data_utils.py
• xtuner微调配置文件
• qwen1_5_1_8b_chat_qlora_alpaca_e3.py
• 【录播】Xtuner微调大模型（QLora与Lora）
• 【资料】xtuner微调大模型教程
• day18_LMDeploy部署大模型
• demo_18
• test01.py
• test02.py
• 【录播】LMDeploy部署大模型
• 【资料】LMDeploy部署大模型
• day19_OpenCompass大模型评估
• OpenCompassData-core-20240207
• data
• ptb
• ptb_train
• ptb_val
• OpenCompassData-core-20240207
• 【课件】OpenCompass模型评估
• 【录播】OpenCompass大模型评估
• 【资料】OpenCompass模型评估
• day20_llama-index核心组件
• demo_20
• data
• test01.py
• test02.py
• 【课件】Llama_Index（核心组件介绍）
• 【录播】Llama_Index核心组件介绍
• 【资料】Llama_Index（核心组件介绍）
• day21_llama-index入门实操
• demo_21
• data
• download_hf.py
• test01.py
• test02.py
• test03.py
• 【课件】Llama_index入门实操
• 【录播】Llama_index入门实操
• day22_llama-index实现RAG
• demo_22
• data
• storage
• app.py
• download_hf.py
• test01.py
• test02.py
• test03.py
• test04.py
• 【课件】Llama_index实现RAG
• 【录播】llama-index实现RAG
• day23_AutoGen_Studio搭建多智能体应用
• 图像资料
• 【课件】AutoGen_Studio搭建多智能体应用
• 【录播】AutoGen_Studio搭建多智能体应用
• 【资料】AutoGen_Studio搭建多智能体应用
• day24_多模态大模型
• 笔记
• 【课件】多模态（多模态大模型的概念与本地部署调用）
• 【录播】多模态大模型的概念与本地部署调用
• 【资料】多模态（多模态大模型的概念与本地部署调用）
• day25_deep-seek与多卡训练
• 课堂笔记
• 【课件】deepseek与分布式训练
• 【录播】deep_seek与多卡训练
• day26_基于本地大模型的AI试题系统（方案篇）
• 数据
• 2020年高考生物选择题专项训练11-15套Word版含答案及解析.docx
• 2020年高考生物选择题专项训练20套附答案及解析.docx
• 2022年高考生物选择题专项训练(共6份).docx
• 2023年高考生物选择题专练(8套)含答案及解析.docx
• 高考生物常识选择题单选题100道及答案.docx
• 数据示例.xls
• 【录播】基于本地大模型的AI试题系统（方案篇）
• day27_基于本地大模型的AI试题系统（实现篇）
• Lora模型与训练日志
• checkpoint-1300
• nohup.out
• training_args.yaml
• 标注后的数据
• 高考生物选择题01.csv
• 高考生物选择题02.csv
• 数据转换代码
• data_utils.py
• test_data.py
• 转换后的训练集与测试集
• test.json
• train.json
• 【录播】基于本地大模型的AI试题系统（实现篇）
• day28_基于RAG的法律条文智能助手（方案篇）
• llama_factory对话模板导出
• mytest.py
• RAG知识库数据获取
• data_test01.py
• data_test02.py
• 模型微调数据集
• train_data.json
• 【课件】基于RAG的法律条文智能助手（方案篇）
• 【录播】基于RAG的法律条文智能助手【方案篇】
• day29_基于RAG的法律条文助手（实现篇）
• 项目源码
• rag_law
• 【课件】基于RAG的法律条文智能助手（实现篇）
• 【录播】基于RAG的法律条文智能助手【实现篇】
• day30_基于pytorch的语音唤醒系统
• 项目源码
• wakeup_test
• 【课件】扩展项目（基于pytorch实现的语音识别）
• 【录播】扩展项目（基于pytorch的语音唤醒系统）
• AI大模型学习路径
• 大神指南.docx