课程目录

• AI大模型全链路实战 [27.52G]
• 课时01 大模型直播课 no.2766.3701
• 课时01 vip开营和ai大模型的尝鲜
• 课时02 国内外各种大模型应用开发
• 课时03 各种链的组装和案例
• 课时04 langchain中的lcel语法
• 课时02 大模型理论基础 no.2641
• 课程资料
• bert.md
• gpt1.pptx
• nlp发展.pptx
• transformer模型.pptx
• 课时01 01自然语言处理初期发展
• 课时02 0基础预热知识
• 课时03 06ai大模型学习建议
• 课时04 01详解transformerpart1
• 课时05 02transformer详解之位置编码
• 课时06 03transformer详解之add和norm
• 课时07 04transformer详解之decoder
• 课时08 05transformer详解之输出层
• 课时09 07bert详解
• 课时10 08gpt1详解
• 课时03 ai大模型提示词工程深入实战 no.2662
• 课程资料
• 2.提示原则guidelines.ipynb
• 3.迭代优化iterative.ipynb
• 4.文本概括summarizing.ipynb
• 5.推断inferring.ipynb
• 6.文本转换transforming.ipynb
• 7.文本扩展expanding.ipynb
• 8.聊天机器人chatbot(1).ipynb
• 8.聊天机器人chatbot.ipynb
• anaconda安装与使用_stu
• chatgptprompt提示词工程
• chatgptprompt提示词课程.xmind
• python实战chatgpt.pptx
• python网络爬虫抖音热榜.md
• shadowbot-5.16.50-x86.exe
• 百模大战.xmind
• 爆款标题.md
• 本科论文导师.md
• 抖音热榜爬取.ipynb
• 国内大模型.png
• 逆向生成结构化提示词.md
• 如何写出好的爆款标题
• 诗人提示词.md
• 思维树.png
• 思维树001.png
• 思维树002.png
• 思维树02.png
• 思维树提示词.xmind
• 提示词工程逆向.md
• 微头条创作.md
• 小红种草笔记提示词.md
• 写出小红书爆款文章.md
• 真实的提示词工程
• 抓取抖音首页数据.rar
• 课时01 001chatgptprompt提示词工程课程介绍
• 课时02 002prompt和promptengineering剖析
• 课时03 大模型介绍,使用大模型生成简历,写小红书文案,生成图片
• 课时04 004提示词基本技巧_灵活运营指令符号_指定输出格式markdown结合xmind生成思维导图
• 课时05 005自己定义格式输出_使用openrouter对比大模型结果
• 课时06 006plantuml和json格式输出并使用vscode展示
• 课时07 007mermaid格式输出
• 课时08 008使用chatgpt的gpts制作流程图
• 课时09 009如何使用角色扮演写好提示词
• 课时10 010写好结构化提示词的4要素
• 课时11 011充分费曼学习法写好提示词
• 课时12 01280_20原则激发大模型指导学习
• 课时13 013写一条利用番茄工作法prompt
• 课时14 014利用sq3r学习法构建提示词prompt
• 课时15 015结合艾宾浩斯遗忘曲线构建学习计划prompt
• 课时16 016交叉主题和双编码概念设计prompt
• 课时17 017kimi,gpt4,文心一言,gemini等大模型对比分块学习法和多感官学习法提示词的效果
• 课时18 018playground调试学习tempaturemax_tokens参数
• 课时19 019topp参数presencepenalty和frequencypeanalty参数对比
• 课时20 020零样本提示词和零样本思维链技巧
• 课时21 021通过零样本思维链辅导小孩做数学题
• 课时22 022少样本和少样本思维链
• 课时23 023大模型self-consistency特性
• 课时24 024tot思维树提示词构建深入剖析
• 课时25 024思维树提示词构建深入剖析
• 课时26 025anaconda环境搭建
• 课时27 026ancondajupyternotebook使用和虚拟环境构建
• 课时28 027python抓取抖音热榜数据集
• 课时29 028爬取对标账号首页数据之影刀介绍
• 课时30 029使用影刀抓取抖音用户首页所有标题描述数据
• 课时31 030使用大模型学习如何写爆款标题
• 课时32 转-031提示词工程化之深入剖析结构化提示词
• 课时33 转-032结构化提示词实战诗人提示词
• 课时34 转-033设计小红书,公众号,头条号的爆款结构化提示词
• 课时35 转-034非常牛叉通过结构化提示词设计一个python网络爬虫
• 课时36 转-035必看这一个牛叉的逆向提示词工程
• 课时37 转-036小红书创作文案同时生成抖音的脚本和分镜头
• 课时38 转-037小红书种草笔记结构化提示词
• 课时39 转-038生成本科论文结构化提示词
• 课时40 转-039短篇小说提示词创作爆款微头条
• 课时41 转-gpt4o
• 课时42 041chatgpt开发介绍并完成一个postman请求gptapi2
• 课时43 042python编程实现提示词原则比如特殊符号输出格式步骤
• 课时44 043python编程之提示词工程思维链
• 课时45 044提示词迭代优化
• 课时46 045文本概括提示词
• 课时47 046提示词文本推断inferring
• 课时48 047文本转换transforming
• 课时49 048文本扩展,自动回复邮件评价邮件temperature设定下情况有什么变化
• 课时50 049订餐机器人和playground模式生成代码之怎么python编程写提示词工程
• 课时04 openai之嵌入式 embedding模型 no.2653
• 课程资料
• 01大模型开发——openaiembedding.pptx
• embedding模型图解.svg
• pythonproject2.zip
• 课时01 01ai中数据的本质
• 课时02 02representation和embedding
• 课时03 03embedding介绍
• 课时04 04词嵌入和必要条件
• 课时05 05embedding开发准备
• 课时06 06embedding开发(一)
• 课时07 07embedding开发(二)
• 课时08 08t-sne可视化数据
• 课时09 09t-sne可视化数据2
• 课时10 10t-sne可视化数据3
• 课时11 11基于embedding的相似搜索1
• 课时12 12基于embedding的相似搜索2
• 课时13 13openai中模型的分词1
• 课时14 14openai中模型的分词2
• 课时15 15openai的模型操作api
• 课时16 16openai模型的实战案例1
• 课时17 17聊天机器人实战案例1
• 课时18 18聊天机器人实战案例2
• 课时06 基于大模型的 智能翻译助手 no.2692
• 课程资料
• 03openai实战项目booktranslation.pptx
• pythonproject3.zip
• 课时01 28书籍自动翻译项目需求
• 课时02 29书籍自动翻译项目参数和初始化
• 课时03 30pdf文件的解析工具(一)
• 课时04 31pdf文件的解析工具(二)
• 课时05 32调用openai的模型接口
• 课时06 日志模块的补充知识一
• 课时07 日志模块补充知识二
• 课时08 日志模块补充知识三
• 课时09 33书本内容解析操作(一)
• 课时10 34书本内容解析操作(二)
• 课时11 35书本内容解析操作(三)
• 课时12 36大模型翻译核心(一)
• 课时13 37调用ai大模型翻译文本
• 课时14 38处理翻译之后的文本
• 课时15 39writer模块实现
• 课时16 40翻译文本写入段落中
• 课时17 41翻译表格写入table中
• 课时18 42翻译文本写入md
• 课时19 43翻译表格写入md
• 课时20 44调用writer模块
• 课时21 45调用translator模块
• 课时22 46整个项目综合调试
• 课时23 47书籍翻译器启动
• 课时24 48书籍翻译器生成md
• 课时07 huggingface 基础教程 no.2645
• 课程资料
• chnsenticorp.rar
• 编码器.ipynb
• 管道工具.ipynb
• 评价指标.ipynb
• 数据集工具.ipynb
• 训练工具.ipynb
• 中文分类任务.ipynb
• 课时01 01pytorch介绍
• 课时02 02pytorch安装
• 课时03 03pytorch张量基础操作和基础运算
• 课时04 04pytorch自动微分
• 课时05 01pytorch实现原始线性回归
• 课时06 02pytorch实现线性回归封装写法
• 课时07 03pytorch实现分类问题
• 课时08 01模型的子类写法
• 课时09 02使用dataset重构代码
• 课时10 03使用dataloader重构代码
• 课时11 04添加校验代码
• 课时12 05封装
• 课时13 01使用pytorch搭建cnn实现手写数字识别
• 课时14 014种天气数据处理
• 课时15 02图片预处理
• 课时16 03添加dropout层
• 课时17 04添加bn层
• 课时18 01vgg16迁移学习
• 课时19 02学习率衰减
• 课时20 03数据增强
• 课时21 01模型参数保存
• 课时22 02自定义dataset
• 课时23 03自定义数据集问题解决
• 课时24 tensorboard的使用
• 课时25 10huggingface简介和安装
• 课时26 09huggingface开发流程
• 课时27 11编码器基础工作流
• 课时28 12编码器基本编码函数
• 课时29 13编码器进阶编码函数
• 课时30 14批量编码和字典
• 课时31 05数据集工具之加载和保存数据集
• 课时32 06数据集工具之基本操作
• 课时33 07数据集工具之保存为其他格式
• 课时34 15评价指标
• 课时35 16管道工具之常见任务类型1
• 课时36 17管道工具之常见任务类型2
• 课时37 18训练工具之数据准备和模型加载
• 课时38 19训练工具之加载评估指标
• 课时39 20训练工具之训练超参数,训练器和数据整理函数
• 课时40 21训练工具之训练和测试
• 课时41 22训练工具之模型保存和加载
• 课时42 23训练工具之预测
• 课时43 24中文分类之加载编码器
• 课时44 25中文分类之定义数据集和计算设备
• 课时45 26中文分类之数据整理函数
• 课时46 27中文分类之数据加载器和预训练模型加载
• 课时47 28中文分类之定义下游任务模型
• 课时48 29中文分类之训练过程
• 课时49 30中文分类之测试
• 课时09 ai大模型实践项目 no.2691
• 课程资料
• langchain_booktranslator.zip
• 交互式ui工具gradio.md
• 课时01 01构建项目环境
• 课时02 02项目配置模块(一)
• 课时03 03项目配置模块(二)
• 课时04 05项目中管理大语言模型
• 课时05 06替换为langchain翻译
• 课时06 07langchain中的提示模板设置
• 课时07 08调用和执行langchain
• 课时08 09项目翻译器启动
• 课时09 10gradio的可视化介绍
• 课时10 11gradio的计算器案例
• 课时11 12gradio进度条案例
• 课时12 13gradio聊天和流式输出
• 课时10 大模型 llama 深度解析 no.2699
• 课程资料
• gluvariantsimprovetransformer
• inference.py
• llama
• model.py
• params.json
• roformerenhancedtransformerwithrotarypositionembedding
• rootmeansquarelayernormalization
• self-attentionwithrelativepositionrepresentations
• test_top_p.ipynb
• tokenizer.model
• 课时01 01_llama概述
• 课时02 02_训练llama使用的数据集
• 课时03 03_llama大模型整体架构
• 课时04 04_inputembedding模块
• 课时05 05_为什么要去进行归一化
• 课时06 06_深入理解归一化对于大模型的重要性
• 课时07 07_batchnorm
• 课时08 08_layernorm
• 课时09 09_rmsnorm
• 课时10 10_绝对位置编码
• 课时11 11_相对位置编码
• 课时12 12_rope
• 课时13 13_swiglu
• 课时14 14_语言模型的本质与maskedselfattention
• 课时15 15_kvcache是如何计算提高效率的
• 课时16 16_mqa和gqa
• 课时17 17_代码实战之modelargs
• 课时18 18_代码实战之构建transformer
• 课时19 19_代码实战之提前计算rope需要的mθ
• 课时20 20_代码实战之将x按照2个值一组进行分组
• 课时21 21_代码实战之对token的向量应用旋转矩阵
• 课时22 22_代码实战之rmsnorm
• 课时23 23_代码实战之encoderblock
• 课时24 24_代码实战之selfattention类的初始化
• 课时25 25_代码实战之selfattention中应用rope和对kv进行缓存
• 课时26 26_代码实战之应用公式计算selfattention
• 课时27 27_代码实战之为了实现gqa需要对kv进行拷贝
• 课时28 28_代码实战之计算ffn中隐藏层节点数量
• 课时29 29_代码实战之ffn中三个矩阵以及swishglu的运算实现
• 课时30 30_代码实战之加载checkpoint文件
• 课时31 31_代码实战之加载分词器、model模型及模型参数
• 课时32 32_代码实战之测试模型加载
• 课时33 33_代码实战之模型推理预测
• 课时34 34_代码实战之准备模型推理需要的输入tokens张量
• 课时35 35_代码实战之模型生成与解码得到response文本
• 课时36 36_代码实战之运行结果展示
• 课时37 37_什么是推理的策略
• 课时38 38_greedysearch
• 课时39 39_beamsearch
• 课时40 40_temperature
• 课时41 41_randomsampling
• 课时42 42_基于topk的随机采样
• 课时43 43_基于topp的随机采样
• 课时44 44_代码实战之增加topp采样策略
• 课时45 45_代码实战之测试topp采样策略
• 课时11 国产大模型 chatglm 深度实战 no.2652
• 课时01 01智普glm大模型介绍
• 课时02 02glm-4大模型的开发环境介绍
• 课时03 03glm-4大模型的调用方式
• 课时04 04使用魔塔社区的embeddings(一)
• 课时05 05使用魔塔社区的embeddings(二)
• 课时06 06自定义tools(一)
• 课时07 07自定义tools(二)
• 课时08 08glm整合数据库操作
• 课时09 09自定义长chain(链)执行sql
• 课时10 10rag文件加载器(一)
• 课时14 大模型核心硬件选型和私有化 no.2657.3551
• 课时01 01gpu的介绍
• 课时02 02cuda核心和tenser核心
• 课时03 03大模型推理和微调所需显存
• 课时04 04ai大模型的云平台
• 课时05 05准备大模型部署的环境
• 课时06 06下载模型和加载模型文件
• 课时07 07大模型处数据格式和输入
• 课时08 08大模型流式处理数据
• 课时09 09大模型私有化的应用案例
• 课时10 10私有化部署并启动ai应用
• 课时11 11ai大模型的对外调用接口
• 课时12 12大模型提供调用接口实现(一)
• 课时13 13大模型提供调用接口实现(二)
• 课时14 14大模型提供调用接口实现(三)
• 课时15 15大模型提供调用接口实现(四)
• 课时16 16大模型调用并输出
• 课时17 17大模型提供调用接口实现(六)
• 课时18 18大模型提供调用接口实现(七)
• 课时19 19大模型提供调用接口实现(八)
• 课时20 20大模型提供调用接口实现(九)
• 课时21 21大模型提供调用接口实现(十)
• 课时15 从0到1训练私有大模型 no.2647
• 课时01 01_模型训练gpu空间占用的计算
• 课时02 02_如何降低模型本身对gpu空间的占用
• 课时03 03_代码实战通过modelscope下载模型文件
• 课时04 04_半精度float16和其优势
• 课时05 05_上溢出和下溢出、启用半精度的方法
• 课时06 06_llama3.1的介绍与不同版本区别
• 课时07 07_llama3.1的整体概览与模型架构调整
• 课时08 08_llama3.1代码实战之导包和数据预处理
• 课时09 09_llama3.1代码实战之加载basemodel
• 课时10 10_llama3.1代码实战之半精度模型本地训练
• 课时11 11_llama3.1代码实战之租用云端服务器和vscode远程登陆
• 课时12 12_云端服务器下载llama3.1模型
• 课时13 13_云端服务器克隆实例到新的节点
• 课时14 14_云端服务器运行llama3.1模型训练
• 课时15 15_llama3.1模型训练优化之开启梯度检查点
• 课时16 16_llama3.1模型训练细节总结
• 课时17 17_causallm与prefixlm的区别
• 课时18 18_glm4架构涉及的技术点与glm家族发展概览
• 课时19 19_glm模型作为prefixlm预训练时的方式方法
• 课时20 20_glm4模型训练时该如何组织数据
• 课时21 21_云服务器glm4模型下载和升级transformers模块
• 课时22 22_云服务器跨实例拷贝大模型glm4
• 课时23 23_加载glm4分词器与模型
• 课时24 24_构建测试数据并且使用glm4进行推理
• 课时25 25_组织glm4训练数据
• 课时26 26_加载glm4模型以及构建相应的lora模型
• 课时27 27_glm4模型半精度训练及数值下溢问题的解决
• 课时28 28_批次变大后模型训练内存溢出的解决和训练后模型推理
• 课时18 基于ai大模型开发问答系统 no.2649.3543
• 课时01 23销售客服ai机器人项目介绍
• 课时02 24创建vector数据库
• 课时03 25加载向量数据库并得到chain
• 课时04 26测试langchain的结果
• 课时05 27项目的ui可视化
• 课时06 28ai机器人正式启动
• 课时19 程序员的数学 no.819.1590
• 课时01 1-1-导数定义与作用
• 课时02 1-2-左右导数与可导函数
• 课时03 1-3-导数的几何与物理含义
• 课时04 1-4-导数求导公式
• 课时05 1-5-导数四则运算
• 课时06 1-6-复合函数求导法则
• 课时07 1-7-神经网络激活函数sigmoid求导
• 课时08 1-8-神经网络激活函数tanh求导
• 课时09 1-9-神经网络激活函数softmax求导
• 课时10 1-10-高阶导数
• 课时11 1-11-导数与函数单调性
• 课时12 1-12-极值定理
• 课时13 1-13-函数凹凸性
• 课时14 1-14-一元函数泰勒展开
• 课时15 2-1-向量是什么
• 课时16 2-2-行向量列向量
• 课时17 3-向量运算
• 课时18 2-4-向量的范数
• 课时19 2-5-特殊向量
• 课时20 2-6-矩阵是什么
• 课时21 2-7-常见矩阵
• 课时22 2-8-矩阵运算
• 课时23 2-9-逆矩阵
• 课时24 2-10-行列式
• 课时25 2-11-伴随矩阵
• 课时26 1-特征值与特征向量概念
• 课时27 2-满秩矩阵
• 课时28 3-特征值和行列式
• 课时29 4-特征值分解定义与操作
• 课时30 5-特征值分解意义
• 课时31 6-向量和矩阵求导公式
• 课时32 7-奇异值分解（svd）
• 课时33 8-求解奇异值分解（svd）
• 课时34 9-奇异值分解性质
• 课时35 10-svd进行数据压缩
• 课时36 11-svd进行pca降维
• 课时37 12-svd进行矩阵求逆
• 课时38 13-svd进行协同过滤
• 课时39 1-多元函数定义
• 课时40 2-偏导数
• 课时41 3-高阶偏导数
• 课时42 4-梯度
• 课时43 5-雅可比矩阵
• 课时44 6-hessian矩阵
• 课时45 7-极值判定法则
• 课时46 8-二次型
• 课时47 1-概率论与机器学习
• 课时48 2-随机事件
• 课时49 3-条件概率
• 课时50 4-随机事件独立性
• 课时51 5-随机变量
• 课时52 6-期望
• 课时53 7-方差
• 课时54 8-数学期望与方差重要公式
• 课时55 9-随机向量
• 课时56 10-随机变量独立性
• 课时57 11-协方差
• 课时58 12-机器学习中常见分布
• 课时59 13-最大似然估计
• 课时60 1-最优化概念
• 课时61 2-求导与迭代求解
• 课时62 3-梯度下降公式推导
• 课时63 4-梯度下降代码演示
• 课时64 5-牛顿法解方程原理
• 课时65 6-牛顿法解方程代码演示
• 课时66 7-牛顿法求解最优化问题
• 课时67 8-牛顿法求解最优化代码演示
• 课时68 9-拟牛顿法介绍
• 课时69 10-坐标下降法
• 课时70 11-最优化算法瓶颈
• 课时71 12-凸优化问题
• 课时72 13-凸集
• 课时73 14-凸函数
• 课时74 15-凸优化表达形式
• 课时75 16-拉格朗日乘子法
• 课时76 17-kkt条件
• 课时77 18-拉格朗日对偶
• 课时20 线性回归算法 no.497.1370
• 课时01 9-1-数据分析部分知识回顾
• 课时02 9-2-线性回归介绍
• 课时03 9-3-线性回归的基本概念1
• 课时04 9-4-线性回归的基本概念2
• 课时05 9-5-正规方程介绍
• 课时06 9-6-正规方程求解多元一次方程
• 课时07 9-7-sklearn中线性方程正规方程运算
• 课时08 9-8-sklearn带截距运算
• 课时09 10-1-八元一次方程问题再现
• 课时10 10-2-八元一次方程增加截距的解决方案
• 课时11 10-3-正规方程的公式推导
• 课时12 10-4-凸函数判定
• 课时13 10-5-最大似然估计
• 课时14 10-6-最小二乘法公式推导
• 课时15 10-7-正规方程进行演示
• 课时16 10-8-sklearn线性回归演示
• 课时17 11-1-波士顿房价加载和查看
• 课时18 11-2-数据拆分建模预测
• 课时19 11-3-模型评估
• 课时20 11-4-梯度下降的概念介绍
• 课时21 11-5-梯度下降步骤
• 课时22 11-6-函数与导函数求解最优解
• 课时23 11-7-梯度下降代码演示
• 课时24 11-8-梯度下降可视化
• 课时25 12-2-三种梯度下降对比
• 课时26 12-3-线性回归梯度下降更新公式
• 课时27 12-4-bgd更新公式
• 课时28 12-5-sgd和mbgd更新公式介绍
• 课时29 12-6-bgd批量梯度下降代码演示
• 课时30 12-7-bgd批量梯度下降求解多元一次方程
• 课时31 12-8-sgd随机梯度下降计算了一元一次方程
• 课时32 12-9-sgd随机梯度下降多元一次方程求解
• 课时33 12-10-mbgd梯度下降代码演示
• 课时34 13-1-归一化目的
• 课时35 13-2-最小值最大值归一化
• 课时36 13-3-z-score归一化
• 课时37 13-4-天池工业蒸汽量项目归一化实战（一）
• 课时38 13-5-天池工业蒸汽量项目归一化实战（二）
• 课时39 13-6-过拟合和欠拟合正则化介绍
• 课时40 1-归一化内容总结重点目标值归一化
• 课时41 10-作业
• 课时42 2-套索回归介绍
• 课时43 3-l1正则化可视化图形
• 课时44 4-l1正则化稀松性缩小系数到0
• 课时45 5-l1正则化套索回归权重衰减梯度下降公式
• 课时46 6-l2正则化岭回归原理详解
• 课时47 7-ridge算法使用
• 课时48 8-lasso回归使用
• 课时49 9-elasticnet弹性网络使用
• 课时50 1-天池工业蒸汽量不同模型不同处理得分整理
• 课时51 2-多项式回归升维概念介绍
• 课时52 3-多项式回归升维实战（一）
• 课时53 4-多项式回归升维维度概念详解
• 课时54 5-多项式回归升维实战（二）
• 课时55 6-多项式回归实战天猫双十一销量预测（线性回归模型）
• 课时56 7-多项式回归实战天猫双十一销量预测（随机梯度下降模型）
• 课时57 8-中国人寿保费预测（eda数据探索）
• 课时21 线性分类算法 no.219.1218
• 课时01 16-1-逻辑回归介绍
• 课时02 16-2-sigmoid函数介绍
• 课时03 16-3-逻辑回归损失函数推导
• 课时04 16-4-损失函数立体化呈现（一）
• 课时05 16-5-损失函数立体化呈现（二）
• 课时06 16-6-逻辑回归代码实现与概率手动计算
• 课时07 17-1-逻辑回归梯度下降更新公式
• 课时08 17-2-逻辑回归多分类ovr
• 课时09 17-3-逻辑回归ovr建模与概率预测
• 课时10 17-4-代码实现逻辑回归ovr概率计算
• 课时11 17-5-softmax函数与概率计算
• 课时12 17-6-代码实现逻辑回归softmax概率计算
• 课时13 17-7-sigmoid与softmax异同
• 课时14 18-1-支持向量机svm概念
• 课时15 18-2-支持向量机svm目标函数推导
• 课时16 18-3-svm二分类最大间隔线绘制
• 课时17 18-4-拉格朗日乘子法介绍
• 课时18 18-5-拉格朗日乘子法原理推导
• 课时19 18-6-支持向量机svm作业介绍
• 课时20 19-1-作业讲解和知识点回顾
• 课时21 19-2-svc支持向量机分类不同核函数差异
• 课时22 19-3-非线性核函数介绍
• 课时23 19-4-核函数对应数学公式
• 课时24 19-5-kkt条件介绍
• 课时25 19-6-svr支持向量机回归核函数差异
• 课时26 19-7-svr支持向量机回归拟合天猫双十一销量方程
• 课时27 20-1-svm支持向量机原理可视化
• 课时28 20-2-svm支持向量机kkt条件详解
• 课时29 20-3-svm支持向量机对偶问题转化
• 课时30 20-4-svm支持向量机目标函数构建
• 课时31 20-5-svm支持向量机损失函数smo求解过程
• 课时32 20-6-svm支持向量机网格搜索参数优化
• 课时33 20-7-svm软间隔及优化
• 课时34 21-1-lfw人脸数据数据加载与介绍
• 课时35 21-2-svm支持向量机lfw数据建模与参数选择
• 课时36 21-3-svm支持向量机lfw建模预测可视化
• 课时37 21-4-svm支持向量机软间隔与优化目标函数构建
• 课时38 21-5-svm算法整体回归
• 课时22 深度学习基础 no.789.1567
• 课时01 01 深度学习介绍
• 课时02 02 神经网络的基础
• 课时03 03 浅层神经网络
• 课时04 04 深层神经网络
• 课时24 自然语言处理(nlp) no.798.1574
• 课时01 01 自然语言处理初期发展
• 课时02 02 序列数据研究
• 课时03 03 文本预处理
• 课时04 04 nltk分词的使用
• 课时05 04 jieba分词的使用
• 课时06 06 语言模型之n元语法
• 课时07 07 序列数据采样方法
• 课时08 08 rnn理论讲解
• 课时09 09 从零实现rnn之读取数据和初始化模型参数
• 课时10 10 从零实现rnn之构建rnn模型
• 课时11 11 从零实现rnn之预测代码
• 课时12 12 从零实现rnn之训练
• 课时13 13 pytorch实现rnn
• 课时14 14 rnn反向传播数学细节
• 课时15 15 lstm原理和代码实现
• 课时16 16 gru原理和代码实现
• 课时17 17 深度循环神经网络
• 课时18 18 双向循环神经网络
• 课时19 19 机器翻译之数据处理
• 课时20 20 encoder和decoder架构
• 课时21 21 seq2seq之训练
• 课时22 22 seq2seq之预测和评估
• 课时23 23 注意力机制之waston核回归
• 课时24 24 注意力评分函数
• 课时25 25 bahdanau注意力
• 课时26 26 多头注意力
• 课时27 27 自注意力和位置编码
• 课时28 28 transformer结构
• 课时29 29 transformer模块之ffn
• 课时30 30 transformer模块之addnorm
• 课时31 31 transformer模块之encoderblock
• 课时32 32 transformer模块之decoder和训练预测
• 课时33 33 bert结构
• 课时34 34 bert实现
• 课时35 35 bert训练之数据预处理
• 课时36 36 bert训练环节
• 课时37 37 bert微调训练
• 课时38 38 神经网络语言模型
• 课时39 39 word2vec
• 课时40 40 word2vec推导
• 课时41 41 skip-gram的改进
• 课时42 42 word2vec之训练数据预处理
• 课时43 43 word2vec之训练代码详解
• 课时05 基于openai的 大模型开发与实战 no.2690.zip
• 课时23 深度学习进阶 no.793.1569.zip
• 课时25 pytorch深度学习框架 no.515.1381.zip
• msb-ai实战工具课
• 课时01 ai大模型提示词工程深入实战 no.2662
• 课程资料
• 2.提示原则guidelines.ipynb
• 3.迭代优化iterative.ipynb
• 4.文本概括summarizing.ipynb
• 5.推断inferring.ipynb
• 6.文本转换transforming.ipynb
• 7.文本扩展expanding.ipynb
• 8.聊天机器人chatbot(1).ipynb
• 8.聊天机器人chatbot.ipynb
• anaconda安装与使用_stu
• chatgptprompt提示词工程
• chatgptprompt提示词课程.xmind
• python实战chatgpt.pptx
• python网络爬虫抖音热榜.md
• shadowbot-5.16.50-x86.exe
• 百模大战.xmind
• 爆款标题.md
• 本科论文导师.md
• 抖音热榜爬取.ipynb
• 国内大模型.png
• 逆向生成结构化提示词.md
• 如何写出好的爆款标题
• 诗人提示词.md
• 思维树.png
• 思维树001.png
• 思维树002.png
• 思维树02.png
• 思维树提示词.xmind
• 提示词工程逆向.md
• 微头条创作.md
• 小红种草笔记提示词.md
• 写出小红书爆款文章.md
• 真实的提示词工程
• 抓取抖音首页数据.rar
• 课时01 001chatgptprompt提示词工程课程介绍
• 课时02 002prompt和promptengineering剖析
• 课时03 大模型介绍,使用大模型生成简历,写小红书文案,生成图片
• 课时04 004提示词基本技巧_灵活运营指令符号_指定输出格式markdown结合xmind生成思维导图
• 课时05 005自己定义格式输出_使用openrouter对比大模型结果
• 课时06 006plantuml和json格式输出并使用vscode展示
• 课时07 007mermaid格式输出
• 课时08 008使用chatgpt的gpts制作流程图
• 课时09 009如何使用角色扮演写好提示词
• 课时10 010写好结构化提示词的4要素
• 课时11 011充分费曼学习法写好提示词
• 课时12 01280_20原则激发大模型指导学习
• 课时13 013写一条利用番茄工作法prompt
• 课时14 014利用sq3r学习法构建提示词prompt
• 课时15 015结合艾宾浩斯遗忘曲线构建学习计划prompt
• 课时16 016交叉主题和双编码概念设计prompt
• 课时17 017kimi,gpt4,文心一言,gemini等大模型对比分块学习法和多感官学习法提示词的效果
• 课时18 018playground调试学习tempaturemax_tokens参数
• 课时19 019topp参数presencepenalty和frequencypeanalty参数对比
• 课时20 020零样本提示词和零样本思维链技巧
• 课时21 021通过零样本思维链辅导小孩做数学题
• 课时22 022少样本和少样本思维链
• 课时23 023大模型self-consistency特性
• 课时24 024tot思维树提示词构建深入剖析
• 课时25 024思维树提示词构建深入剖析
• 课时26 025anaconda环境搭建
• 课时27 026ancondajupyternotebook使用和虚拟环境构建
• 课时28 027python抓取抖音热榜数据集
• 课时29 028爬取对标账号首页数据之影刀介绍
• 课时30 029使用影刀抓取抖音用户首页所有标题描述数据
• 课时31 030使用大模型学习如何写爆款标题
• 课时32 转-031提示词工程化之深入剖析结构化提示词
• 课时33 转-032结构化提示词实战诗人提示词
• 课时34 转-033设计小红书,公众号,头条号的爆款结构化提示词
• 课时35 转-034非常牛叉通过结构化提示词设计一个python网络爬虫
• 课时36 转-035必看这一个牛叉的逆向提示词工程
• 课时37 转-036小红书创作文案同时生成抖音的脚本和分镜头
• 课时38 转-037小红书种草笔记结构化提示词
• 课时39 转-038生成本科论文结构化提示词
• 课时40 转-039短篇小说提示词创作爆款微头条
• 课时41 转-gpt4o
• 课时42 041chatgpt开发介绍并完成一个postman请求gptapi2
• 课时43 042python编程实现提示词原则比如特殊符号输出格式步骤
• 课时44 043python编程之提示词工程思维链
• 课时45 044提示词迭代优化
• 课时46 045文本概括提示词
• 课时47 046提示词文本推断inferring
• 课时48 047文本转换transforming
• 课时49048文本扩展,自动回复邮件评价邮件temperature设定下情况有什么变化
• 课时50 049订餐机器人和playground模式生成代码之怎么python编程写提示词工程
• 课时02 dall.e3深入实战 no.2663
• 课时01 dalle3和copilot介绍dalle3内置提示词深入剖析
• 课时02 002-dalle3结构化提示词深入剖析
• 课时03 002-1bing-copilot结构化提示词画图创作-风格调试
• 课时04 003-结构化提示词控制风格-角度
• 课时05 004dalle3做古诗词插图-抖音赛道可以研究这个方向
• 课时06 005自定义chatgpt-预设角色和定义输出
• 课时07 006魔法提示词自动生成创意提示词,成为作图大师
• 课时08 007古诗词插画大师提示词工程设计-提高小红书抖音创作效率
• 课时09 008-超级吸引眼球的knolling风格
• 课时10 014通过图片逆向生成提示词
• 课时11 替009gpts绘图工具分享使用-局部重绘-logo设计
• 课时12 替010logo设计器天马行空设计自己想要的logo
• 课时13 替011logo设计器分享
• 课时14 替012glibatreeartdesigner应用画图设计
• 课时15 替013绘画大师深入研究-生成结构化提示词分析-局部重绘的应用
• 课时16 替014superdalle应用实战结构化提示词gpt应用实战
• 课时17 替015人物一致性技巧-使用gen_id
• 课时18 替016模仿大师通过图片逆向生成图诗词-模仿别人的图片