AI大模型应用开发​模型训练-RAG-Agent-AI项目实战-行业落地课

课程内容：

资料

企业RAG技术实战.pdf

ai认知课.pdf

embedding技术.pdf

rerank技术.pdf

llama-factory微调.pdf

13_第五课：模块化RAG（一）顺序模式，条件模式，分支模式

11_第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE

37_第十一课：Langgraph多Agent架构：协作多Age

8_第五课：模型部署（模型合并导出与量化，本地部署）

29_第三课：Agent平台：国内外主流平台，Coze搭建智能客服

33_第七课：Agent设计模式（三）：Reflexion，LAT

15_第七课：Embedding原理：word2vec、CBOW

16_第八课：Embedding模型训练：llamaindex微调

21_第十三课：相似性搜索算法：k-means，肘部法则

1_第一课：人工智能介绍：迭代路径，大模型进化树，技术分类

35_第九课：Langchain项目原理与实战

5_第二课：微调数据集准备（SFT继续预训练，偏好优化）

17_第九课：Embedding模型评估：MRR评测，MTEB评测

23_第十五课：向量数据库选型：专用向量数据库，传统数据库支持向量

10_第二课：NaiveRAG与langchain实践

39_第十三课：AutoGen项目原理与实战（二）：代码执行，工具

12_第四课：高级RAG（二）提示词压缩，融合，llamainde

30_第四课：Agent工具使用与functioncall：MR

9_第一课：RAG技术原理与RAGFlow项目实操

27_第一课：Agent原理简介：planning、memory、

22_第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH

24_第十六课：向量数据库代码示例：chroma与qdrant代码

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

28_第二课：提示词工程：软提示词，fewshot，COT TOT

34_第八课：Agent框架：SingleAgent，Multi

25_第十七课：RAG评估：评估指标，RAGAs，TruLens

6_第三课：微调过程lora微调与Qlora微调

7_第四课：模型评估（批量推理与自动评估benchmark）

31_第五课：Agent设计模式（一）：Fewshot，ReAct

40_第十四课：CrewAI项目原理与实战：Crew Task A

14_第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc

19_第十一课：Rerank模型微调与实践（二）rankGPT

26_第十八课：RAG行业落地：实践心得，落地经验，业务场景

38_第十二课：AutoGen项目原理与实战（一）：AutoGen

18_第十课：Rerank技术原理与实践（一）交叉编码与双编码

2_第二课：柏拉图表征假说与scalinglaw：KM缩放定律

4_第一课：大模型微调llama-factory环境准备

32_第六课：Agent设计模式（二）：REWOO，LLMComp

3_第三课：AI开发环境（python、conda、vscode

36_第十课：Langgraph项目原理与实战