极客时间《大模型RAG进阶实战营》

深入探索大模型RAG技术实战

编辑点评

实战性强,覆盖RAG系统构建全流程,适合对大模型技术感兴趣的开发者。

⭐ 编辑推荐

极客时间《大模型RAG进阶实战营》带你深入RAG技术,从数据导入到系统评估,全方位实战。

课程亮点

RAG系统全流程实战
涵盖数据导入、检索、响应生成等关键技术
适合AI领域开发者进阶

课程目录

📁 07 第四章:组件篇-数据导入技术
📁     📁 资料
        数据导入技术.pdf  [14.1 MB]
    组件篇-01-数据导入-09-结构化表格导入之-PDF表格解析-1(2025.4.18).mp4  [79.0 MB]
    组件篇-01-数据导入-03-图文导入.mp4  [31.7 MB]
    组件篇-01-数据导入-01-简单文档-01.mp4  [93.4 MB]
    组件篇-01-数据导入-05-PDF解析之-PDF转MarkDown(Marker,MinerU和LlamaParse).mp4  [109.4 MB]
    组件篇-01-数据导入-06-PDF解析之-Unstructured工具解析版式和元素.mp4  [266.0 MB]
    组件篇-01-数据导入-04-PDF解析之-简单工具(PyPDF-PyMUPDF- pytesseract+pdf2image).mp4  [54.8 MB]
    组件篇-01-数据导入-09-结构化表格导入之-PDF表格解析-2(2025.4.18).mp4  [143.8 MB]
    组件篇-01-数据导入-08-结构化表格导入之-LlamaDB Connector(2025.4.18).mp4  [47.0 MB]
    组件篇-01-数据导入-07-结构化表格导入之-CSV导入(2025.4.18).mp4  [51.5 MB]
    组件篇-01-数据导入-02-有结构的文档.mp4  [116.0 MB]
📁 直播答疑
    2.答疑直播(2025.4.29).mp4  [250.8 MB]
    【答疑文档】RAG1期.pdf  [2.6 MB]
    1.答疑直播(2025.4.10).mp4  [329.8 MB]
    3.答疑直播(2025.5.13).mp4  [190.0 MB]
📁 16 第十三章:组件篇-评估RAG系统
📁     📁 资料
        评估RAG系统.pdf  [7.4 MB]
📁 14 第十一章:案例篇-企业文档合规性检查
📁     📁 资料
        NVIDIA_GRI_Compliance_Dataset_English.csv.zip  [1.6 KB]
        案例03-企业文档合规性检索和问答系统介绍.pdf  [3.3 MB]
        代码.txt  [63.0 B]
        GRI标准项目文档.zip  [84.1 MB]
    案例篇-项目3-文档合规-03-优化方向(配置字幕).mp4  [23.3 MB]
    案例篇-项目3-文档合规-01-项目说明(配置字幕).mp4  [84.0 MB]
    案例篇-项目3-文档合规-02-架构解释(配置字幕).mp4  [135.4 MB]
📁 03 Git & Github操作指南
    将本地仓库同步到远程GitHub仓库_v1.6.mp4  [31.8 MB]
    第一节   为什么要使用 Git&GitHub.mp4  [27.8 MB]
    3. 安装 Git、初始化仓库并做最简单的配置.txt  [111.0 B]
    第三节 在Windows系统上安装Git.mp4  [5.6 MB]
    4. 在Windows系统上安装Git.txt  [125.0 B]
    6. 将本地仓库同步到远程GitHub仓库.txt  [268.0 B]
    第二节  什么是版本控制?.mp4  [26.3 MB]
    直播领取资料.txt  [199.0 B]
    第四节    完成一个最简单的Git操作流程:工作区、暂存区和仓库.mp4  [27.5 MB]
    第三节   安装 Git、初始化仓库并做最简单的配置.mp4  [29.9 MB]
📁 15 第十二章:组件篇-响应生成技术
📁     📁 资料
        响应生成.pdf  [7.2 MB]
📁 09 第六章:组件篇-向量嵌入技术
📁     📁 资料
        嵌入技术.pdf  [11.3 MB]
        BGE-M3:稀疏嵌入、密集嵌入和多向量嵌入_.pdf  [18.0 MB]
    组件篇-03-03-大模型时代的嵌入模型.mp4  [131.5 MB]
    组件篇-03-01-嵌入技术的基本知识.mp4  [38.1 MB]
    组件篇-03-05-多模态嵌入技术的应用.mp4  [45.2 MB]
    组件篇-03-04-稀疏嵌入和密集嵌入.mp4  [101.9 MB]
    组件篇-03-02-嵌入技术的发展和演变.mp4  [26.9 MB]
📁 11 第八章:组件篇-检索前处理技术
📁     📁 资料
        Tree of Clarifications.pdf  [17.8 MB]
        检索前处理技术.pdf  [9.0 MB]
    组件篇-05-检索前处理-01-查询构建-02-Text2SQL(RagFlow).mp4  [19.2 MB]
    组件篇-05-检索前处理-01-查询构建-04-Metadata Filter生成.mp4  [54.7 MB]
    组件篇-05-检索前处理-02-查询路由.mp4  [17.3 MB]
    组件篇-05-检索前处理-01-查询构建-02-Text2SQL(RagFlow)-1747293122.mp4  [20.0 MB]
    组件篇-05-检索前处理-01-查询构建-01-Text2SQL(自制流程)(配置字幕).mp4  [252.5 MB]
    组件篇-05-检索前处理-02-查询翻译.mp4  [90.5 MB]
    组件篇-05-检索前处理-01-查询构建-03-Text2Cypher.mp4  [92.7 MB]
📁 12 第九章:组件篇-索引优化技术
📁     📁 资料
        索引优化技术.pdf  [5.5 MB]
    组件篇-06-03-构建多表示的索引(配置字幕).mp4  [123.4 MB]
    组件篇-06-02-构建有层次的索引(配置字幕).mp4  [177.2 MB]
    组件篇-06-02-构建多表示的索引(配置字幕).mp4  [54.0 MB]
📁 第15章:组件篇-复杂RAG范式
    1. GraphRAG.mp4  [135.2 MB]
    4. Agentic RAG.mp4  [48.9 MB]
    3. Modular RAG.mp4  [202.2 MB]
    5. Multi-Modal RAG.mp4  [87.5 MB]
    2. Context Retreival.mp4  [53.1 MB]
📁 01 学习手册
📁     📁 05 RAG常见问题文档
        Cursor安装配置使用.docx  [26.9 KB]
        QA-RAG训练营.docx  [1.3 MB]
    04 毕业条件.png  [82.2 KB]
    03 学习群组与助教答疑.png  [70.3 KB]
    02 课程表.png  [1.7 MB]
    01 欢迎来到大模型 RAG 进阶实战营.png  [97.8 KB]
📁 10 第七章:组件篇-向量数据库
📁     📁 资料
        向量数据库.pdf  [25.1 MB]
    组件篇-04-04-混合检索实战.mp4  [60.8 MB]
    组件篇-04-03-集合、索引、度量和搜索(中).mp4  [77.0 MB]
    组件篇-04-03-集合、索引、度量和搜索(上).mp4  [153.6 MB]
    组件篇-04-03-集合、索引、度量和搜索(下)(2025.4.27).mp4  [79.6 MB]
    组件篇-04-向量数据库-02-各种各样的向量数据库.mp4  [29.0 MB]
    组件篇-04-向量数据库-01-基本原理.mp4  [95.6 MB]
    组件篇-04-05-多模态检索实战.mp4  [71.8 MB]
📁 08 第五章:组件篇-文本分块技术
📁     📁 资料
        文本分块技术.pdf  [12.0 MB]
        第五章作业(需要提交).html  [1.3 KB]
    组件篇-02-02-文本分块的方法和实现(2025.4.18).mp4  [123.9 MB]
    组件篇-02-01-文本分块的原理和重要性(2025.4.18).mp4  [47.8 MB]
    组件篇-02-03-与分块相关的高级索引技巧(2025.4.18).mp4  [29.3 MB]
📁 第14章:案例篇-SNOMED图数据库RAG实战
    3. 安装并配置 Neo4J.mp4  [20.1 MB]
    5. 利用图数据库提升 RAG 质量.mp4  [59.8 MB]
    2. 使用 SNOMED 图数据库.mp4  [17.2 MB]
    4. 构建 SNOMED 图数据库.mp4  [98.3 MB]
    1. 复习 SNOMED 医疗名词库.mp4  [18.2 MB]
📁 加餐
    1. RAG 优质论文分享.mp4  [216.7 MB]
    加餐-RAG Papers.zip  [14.4 MB]
📁 02 RAG三问
    Python环境准备工作.pdf  [2.9 MB]
    大模型应用开发概述- 开营导语.pdf  [9.3 MB]
    01-RAG三问-03-LangChain(2025.3.24).mp4  [146.4 MB]
    00-开营导语(新).mp4  [41.7 MB]
    01-Cursor-02.mp4  [55.9 MB]
    01-RAG三问-02-LlamaIndex5行展示(2025.3.24).mp4  [66.5 MB]
    01-Cursor-03.mp4  [29.8 MB]
    01-RAG三问-04-如何优化RAG系统(2025.3.24).mp4  [74.3 MB]
    RAG三问.pdf  [43.8 MB]
    01-Cursor-01.mp4  [19.5 MB]
    01-RAG三问-01(2025.3.24).mp4  [32.3 MB]
    08-Cursor-03.mp4  [29.9 MB]
📁 06 第三章:案例篇-医疗领域名词标准化工具
📁     📁 资料
        数据集文件-SNOMED_ALL.csv.zip  [9.7 MB]
        案例篇-医疗领域名词标准化工具.pdf  [5.9 MB]
    03-04-向量数据库文档补充说明.mp4  [27.5 MB]
    03-02-项目具体实现-代码下载和功能演示(2025.4.7).mp4  [100.6 MB]
    03-03+04 专有名词标准化系统设计(2025.4.7).mp4  [156.6 MB]
    03-06-名词扩展和纠错功能实现.mp4  [27.5 MB]
    03-07-项目优化方向.mp4  [5.9 MB]
    03-01-项目整体目标.mp4  [99.7 MB]
    03-05专有名词标准化系统-前后端衔接.mp4  [164.7 MB]
📁 04 RAG三问
📁     📁 资料
        Python环境准备工作.pdf  [2.9 MB]
        RAG三问.pdf  [43.5 MB]
        大模型应用开发概述- 开营导语.pdf  [9.2 MB]
        Curcor的安装和配置.pdf  [2.9 MB]
    01-RAG三问-04-如何优化RAG系统(2025.3.24).mp4  [70.3 MB]
    01-Cursor-03.mp4  [29.2 MB]
    01-RAG三问-01(2025.3.24).mp4  [31.5 MB]
    01-Cursor-02.mp4  [54.8 MB]
    大模型应用开发概述- 开营导语.pdf  [9.3 MB]
    01-RAG三问-03-LangChain(2025.3.24).mp4  [141.7 MB]
    RAG三问.pdf  [43.8 MB]
    Python环境准备工作.pdf  [2.9 MB]
    01-Cursor-01.mp4  [19.2 MB]
    01-RAG三问-02-LlamaIndex5行展示(2025.3.24).mp4  [63.1 MB]
    08-Cursor-03.mp4  [30.1 MB]
📁 13 第十章:组件篇-检索后处理技术
📁     📁 资料
        检索后处理技术.pdf  [5.8 MB]
    组件篇-07-02、03-压缩和校正技术(配置字幕).mp4  [101.3 MB]
    组件篇-07-01-重排技术(配置字幕).mp4  [92.3 MB]
📁 05 第二章:自己动手制作RAG框架
📁     📁 资料
        课后练习.png  [493.5 KB]
        自己动手制作RAG框架.pdf  [1.6 MB]
    2.框架流程和设计说明(前端).mp4  [64.2 MB]
    4.为框架添加新功能.mp4  [143.2 MB]
    3.框架流程和设计说明(后端).mp4  [107.4 MB]
    1.下载并运行自制RAG框架.mp4  [50.7 MB]
    5.从头开始构建框架.mp4  [83.1 MB]

适合人群

  • AI开发者
  • 大模型技术爱好者
  • 数据科学家

学习收获

掌握RAG系统构建方法
提升大模型应用能力
了解最新AI技术动态

祝您学习愉快!

学有所成,前程似锦!