课程体系架构解析
基础理论模块
- [1]-第一课：人工智能介绍：迭代路径，大模型进化树，技术分类
- [2]-第二课：柏拉图表征假说与scaling law：KM缩放定律
技术实践模块
- [3]-第三课：AI开发环境（python、conda、vscode
- [4]-第一课：大模型微调llama-factory环境准备
- [6]-第三课：微调过程lora微调与Qlora微调
模型优化体系
- [5]-第二课：微调数据集准备（SFT,继续预训练，偏好优化）
- [7]-第四课：模型评估（批量推理与自动评估benchmark）
- [8]-第五课：模型部署（模型合并导出与量化，本地部署）
RAG技术专题
- [9]-第一课：RAG技术原理与RAGFlow项目实操
- [10]-第二课：Naive RAG与langchain实践
- [11]-第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE
检索增强技术
- [17]-第九课：Embedding模型评估：MRR评测，MTEB评测
- [18]-第十课：Rerank技术原理与实践（一）交叉编码与双编码
- [19]-第十一课：Rerank模型微调与实践（二）rankGPT
向量数据库专题
- [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
- [21]-第十三课：相似性搜索算法：k-means，肘部法则
- [24]-第十六课：向量数据库代码示例：chroma与qdrant代码
高级检索算法
- [22]-第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH
- [25]-第十七课：RAG评估：评估指标，RAGAs，TruLens
- [26]-第十八课：RAG行业落地：实践心得，落地经验，业务场景
Agent开发体系
- [27]-第一课：Agent原理简介：planning、memory、
- [28]-第二课：提示词工程：软提示词，fewshot，COT,TOT
- [29]-第三课：Agent平台：国内外主流平台，Coze搭建智能客服
Agent架构设计
- [31]-第五课：Agent设计模式（一）：Fewshot，ReAct
- [32]-第六课：Agent设计模式（二）：REWOO，LLMComp
- [34]-第八课：Agent框架：Single Agent，Multi
图神经网络应用
- [41]-第一课：知识图谱：RDF,RDFS,OWL，知识图谱架构,实
- [42]-第二课：GraphRAG（一）：原理，部署使用，GraphR
- [43]-第三课：GraphRAG（二）：索引原理，Leiden算法，
混合架构实践
- [36]-第十课：Langgraph项目原理与实战
- [37]-第十一课：Langgraph 多Agent架构：协作多Age
- [40]-第十四课：CrewAI项目原理与实战：Crew,Task,A
