10小时精通AIGC编程

现在，几米课堂推出10小时精通AIGC编程课程！聚焦“实战开发”，从OpenAI API调用到本地模型部署，从文本生成到多模态应用，10小时带你快速掌握AIGC编程核心技能，让AI成为你的“编程助手”和“应用引擎”！

*   01 第一章 ChatGPT如何为程序员赋能/

  *   01 课程安排/

    *   01 01.课程安排 (27.46 MB), 03:13

  *   02 ChatGPT背景介绍/

    *   01 01.ChatGPT背景介绍 (65.79 MB), 07:25

  *   03 ChatGPT在代码场景应用/

    *   01 01.ChatGPT在代码场景应用 (117.92 MB), 11:26

  *   04 不同的岗位，如何使用ChatGPT/

    *   01 01.ChatGPT在岗位场景应用-Java开发工程师参考 (80.50 MB), 08:05

    *   02 02.ChatGPT在岗位场景应用-前端开发工程师参考 (56.23 MB), 05:51

    *   03 03.ChatGPT在岗位场景应用-大数据开发工程师参考 (97.24 MB), 08:56

    *   04 04.ChatGPT在岗位场景应用-人工智能开发工程师参考 (61.80 MB), 07:22

    *   05 05.ChatGPT在岗位场景应用-测试开发工程师参考 (57.44 MB), 04:51

    *   06 06.总结和下一步安排 (17.20 MB), 02:25

*   02 第二章 ChatGPT全栈实战开发/

  *   01 【Java项目】基于ChatGPT的瑞吉外卖系统开发/

    *   01 01.ChatGPT在Java中的应用 (50.73 MB), 04:52

    *   02 02.多轮对话和编写文档 (76.55 MB), 06:10

    *   03 03.项目介绍和环境搭建 (146.72 MB), 12:39

    *   04 04.设计数据表 (75.57 MB), 06:13

    *   05 05.登录功能开发 第二次 (181.62 MB), 26:20

    *   06 06.登录拦截 (54.64 MB), 07:43

    *   07 07.登出 (24.06 MB), 03:54

    *   08 08.设计员工表 (14.73 MB), 04:53

    *   09 09.新增员工 (217.70 MB), 17:10

    *   10 10.利用AOP实现时间字段自动填充 (273.89 MB), 19:20

    *   11 11.全局异常处理类0628 (57.63 MB), 04:26

    *   12 12.查询员工 (111.35 MB), 08:50

    *   13 13.购物车 (23.25 MB), 02:04

    *   14 14.bito的基本用法 (66.92 MB), 06:27

    *   15 15.利用bito阅读代码 (91.22 MB), 09:01

    *   16 16.利用bito代码重构 (89.45 MB), 07:34

    *   17 17.利用bito加注释和清理调试代码 (59.35 MB), 03:54

    *   18 18.利用bito单元测试 (75.83 MB), 05:36

  *   02 【前端项目】基于ChatGPT的面经H5项目开发/

    *   01 01.项目介绍 (83.19 MB), 04:29

    *   02 02.项目搭建 (196.39 MB), 07:04

    *   03 03.初始化配置 (253.89 MB), 11:10

    *   04 04.注册 (264.66 MB), 19:30

    *   05 05.登录 (216.35 MB), 08:41

    *   06 06.首页布局 (226.06 MB), 09:47

    *   07 07.面经页面布局 (184.10 MB), 06:56

    *   08 08.面经列表 (332.38 MB), 13:00

    *   09 09.收藏 (312.02 MB), 11:11

    *   10 10.我的 (367.30 MB), 16:48

  *   03 【大数据项目】基于ChatGPT的出行大数据平台项目/

    *   01 01.项目目录及学习目标 (35.05 MB), 03:16

    *   02 02.项目介绍 (64.21 MB), 07:17

    *   03 03.项目数据集介绍 (182.32 MB), 09:59

    *   04 04.基于ChatGPT实现数仓构建 (215.58 MB), 20:04

    *   05 05.基于ChatGPT实现数仓分析-ODS层构建 (61.98 MB), 11:19

    *   06 06.基于ChatGPT实现数仓分析-DWD层构建 (222.57 MB), 28:22

    *   07 07.基于ChatGPT实现数仓分析-DWD层构建-下 (330.24 MB), 14:49

    *   08 08.基于ChatGPT实现数仓分析-DWM层构建 (440.06 MB), 17:43

    *   09 09.基于ChatGPT实现数仓的分析-APP层构建-上 (222.58 MB), 13:43

    *   10 10.基于ChatGPT实现数仓的分析-APP层构建-下 (259.56 MB), 14:06

    *   11 11.基于ChatGPT及Sqoop实现数据导出-上 (164.97 MB), 11:28

    *   12 12.基于ChatGPT及Sqoop实现数据导出-下 (278.94 MB), 13:23

    *   13 13.FineBI实现数据的可视化 (308.72 MB), 20:14

    *   14 14.项目总结 (13.01 MB), 01:41

    *   15 15.项目开发环境说明 (196.37 MB), 17:00

  *   04 【人工智能项目】基于ChatGPT的细粒度车型识别项目/

    *   01 01.导言 (38.35 MB), 03:35

    *   02 02.项目介绍 (126.46 MB), 08:14

    *   03 03.车型识别总流程 (73.63 MB), 05:21

    *   04 04.数据集获取 (92.17 MB), 05:27

    *   05 05.图像增强 (182.61 MB), 10:22

    *   06 06.模型构建 (116.60 MB), 09:08

    *   07 07.模型训练 (122.97 MB), 08:39

    *   08 08.模型预测 (166.56 MB), 10:00

    *   09 09.模型部署 (154.87 MB), 09:30

    *   10 10.项目总结 (40.22 MB), 04:00

  *   05 【测试项目】ChatGPT实现UI自动化测试/

    *   01 01.课程目标 (6.22 MB), 03:06

    *   02 02.项目介绍 (53.32 MB), 06:31

    *   03 03.UI自动化测试实现方案 (33.50 MB), 04:21

    *   04 04.测试用例分析 (85.55 MB), 04:30

    *   05 05.登录-页面对象封装 (48.24 MB), 05:53

    *   06 06.登录-生成测试用例 (58.27 MB), 04:11

    *   07 07.登录-运行调试脚本 (83.62 MB), 11:02

    *   08 08.搜索商品-页面对象封装 (25.07 MB), 02:43

    *   09 09.搜索商品-生成测试用例 (32.11 MB), 03:02

    *   10 10.搜索商品-运行调试脚本 (176.89 MB), 12:56

    *   11 11.加入购物车-页面对象封装 (8.21 MB), 02:25

    *   12 12.加入购物车-生成测试用例 (45.48 MB), 03:14

    *   13 13.加入购物车-运行调试脚本 (226.58 MB), 14:14

    *   14 14.代码优化 (67.96 MB), 05:47

*   03 第三章 拓展课程-ChatGPT模型基础知识/

  *   01 课程安排及NLP简介/

    *   01 01-总体课程安排 (28.59 MB), 07:52

    *   02 02-今天的课程安排 (33.35 MB), 08:02

    *   03 03-NLP概念和发展史 (34.48 MB), 09:40

    *   04 04-NLP应用场景 (79.98 MB), 14:22

  *   02 文本处理的基本方法/

    *   01 05-文本处理的主要环节 (102.74 MB), 25:24

    *   02 06-jieba分词-概念-pip安装 (40.50 MB), 10:33

    *   03 07-jieba分词-三种模式 (44.77 MB), 12:36

    *   04 08-jieba分词-用户自定义词典-繁体 (30.99 MB), 08:17

    *   05 09-命名实体识别和词性标注 (26.02 MB), 06:55

  *   03 文本张量表示方法（一）/

    *   01 10-文本张量表示概念-onehot编码思路分析 (43.83 MB), 11:28

    *   02 11-onehot编码生成 (30.45 MB), 07:47

    *   03 12-onehot编码使用 (37.31 MB), 09:41

    *   04 13-词向量定义-CBOW思想 (102.86 MB), 26:25

    *   05 14-中午课程回顾 (30.96 MB), 07:13

    *   06 15-词向量-cbow工作原理和课堂答疑 (126.48 MB), 35:58

    *   07 16-词向量-onehot横着画和竖着画-拿词向量 (16.09 MB), 05:02

    *   08 17-词向量-skipgram方式 (26.35 MB), 07:00

  *   04 文本张量表示方法（二）/

    *   01 18-词向量训练保存加载 (84.06 MB), 19:22

    *   02 19-查看词向量和词向量效果检验 (45.09 MB), 09:57

    *   03 20-词向量训练-参数选择 (36.02 MB), 07:55

    *   04 21-词向量训练-有监督和无监督 (49.08 MB), 10:51

    *   05 22-nnembed词向量案例-案例展示 (26.01 MB), 07:10

    *   06 23-nnembed词向量案例-思路分析 (57.29 MB), 13:20

    *   07 24-nnembed词向量案例-实现和调试 (59.89 MB), 13:28

    *   08 25-pycharm连接远程服务器-配置效果展示 (42.68 MB), 09:43

    *   09 26-pycharm连接远程服务器-配置操作 (62.30 MB), 12:17

  *   05 文本数据分析/

    *   01 02-数分-定义-数据集-标签分布-思路 (103.87 MB), 11:26

    *   02 03-数分-标签分布-实现 (46.23 MB), 11:09

    *   03 04-数分-句子长度分布-思路分析 (43.13 MB), 09:03

    *   04 05-数分-句子长度分布-编码实现 (24.94 MB), 05:23

    *   05 06-数分-正负样本散点图-思路和实现 (39.98 MB), 09:56

    *   06 07-数分-统计单词个数 (75.12 MB), 14:51

    *   07 08-跨目录cp文件和pycharm连接远程解释器 (33.49 MB), 06:43

    *   08 08-数分-词云-思路分析 (102.79 MB), 18:54

    *   09 09-数分-词云-代码串讲 (61.06 MB), 09:37

    *   10 01-上一次课程复习 (133.12 MB), 31:07

  *   06 文本特征处理/

    *   01 10-特征处理-n-gram特征 (54.48 MB), 14:35

    *   02 11-特征处理-文本长度处理 (33.48 MB), 08:23

    *   03 12-中午课程回顾 (60.82 MB), 12:35

    *   04 13-文本数据增强 (40.88 MB), 10:17

    *   05 14-文本预处理5个环节-小结 (13.21 MB), 03:02

  *   07 RNN基础模型/

    *   01 15-RNN看山 (16.30 MB), 02:37

    *   02 16-RNN定义和作用 (42.69 MB), 12:25

    *   03 17-RNN模型的分类 (52.31 MB), 11:25

    *   04 18-RNN内部结构分析 (45.32 MB), 12:14

    *   05 19-RNNapi-主导参数和辅助参数 (79.15 MB), 20:48

    *   06 20-RNNapi-4个主导参数-关系实验 (53.50 MB), 11:25

    *   07 21-RNNapi-隐藏层参数 (94.93 MB), 21:25

    *   08 22-RNNapi-所有时间步共享隐藏层矩阵参数 (43.41 MB), 11:18

    *   09 23-RNN模型的优缺点 (8.04 MB), 01:32

  *   08 LSTM基础/

    *   01 24-1-LSTM内部结构-3个门-细胞状态 (66.41 MB), 18:33

    *   02 24-2小结 (17.17 MB), 05:11

    *   03 25-LSTMapi介绍 (40.39 MB), 09:29

    *   04 01-上一次课程复习 (170.06 MB), 32:03

  *   09 GRU基础/

    *   01 02-gru内部结构 (40.23 MB), 10:28

    *   02 03-gruApi (12.83 MB), 02:52

    *   03 04-rnn-lstm-gru内部权重参数矩阵多少分析 (40.89 MB), 08:11

    *   04 05-batch-first属性只对input和output有影响 (40.53 MB), 08:59

    *   05 06-rnn-一个字符一个字符和批次送数据 (70.82 MB), 15:50

  *   10 人名分类器案例（一）/

    *   01 07-人名分类器案例-目标-案例介绍-数据 (66.56 MB), 10:27

    *   02 08-人名分类器案例-字母张量化思路分析 (68.88 MB), 17:37

    *   03 09-数据处理-读数据 (55.05 MB), 13:07

    *   04 10-数据处理-数据源dataset-思路分析 (64.45 MB), 13:27

    *   05 11-数据处理-数据源dataset-编码实现 (37.30 MB), 08:04

    *   06 12-数据处理-数据源dataset-调试 (41.21 MB), 08:49

    *   07 13-中午课程回顾 (42.77 MB), 10:18

  *   11 人名分类器案例（二）/

    *   01 14-rnn模型-实现思路分析 (87.34 MB), 19:18

    *   02 15-rnn模型-编码实现 (42.54 MB), 10:12

    *   03 16-rnn模型-编码测试和调试 (49.11 MB), 11:19

    *   04 17-lstm模型-编码和测试 (41.67 MB), 09:44

    *   05 18-gru模型-编码和测试 (24.80 MB), 04:58

    *   06 19-rnn模型训练-实现思路分析 (79.15 MB), 16:08

    *   07 20-rnn模型训练-编码 (74.91 MB), 18:22

    *   08 21-rnn模型训练-测试和调试 (20.32 MB), 04:10

    *   09 22-lstm模型训练-编码和测试 (39.91 MB), 07:34

    *   10 23-gru模型训练-编码和测试 (15.41 MB), 02:38

    *   11 24-模型训练制图 (87.90 MB), 17:07

    *   12 01-上一次课程复习 (107.49 MB), 22:50

  *   12 人名分类器案例（三）/

    *   01 02-搭建知识体系不是一件轻松的事情 (20.75 MB), 07:06

    *   02 03-模型训练-对比实验效果分析 (23.92 MB), 04:57

    *   03 04-模型预测-rnn思路分析 (43.66 MB), 08:40

    *   04 05-模型预测-rnn预测实现 (15.77 MB), 03:37

    *   05 06-模型预测-gru和lstm预测实现 (19.29 MB), 03:58

    *   06 07-模型预测-综合调用 (28.96 MB), 05:44

    *   07 08-服务器模型训练-session问题 (93.29 MB), 18:45

    *   08 09-服务器模型训练-脱离session转后台进程 (32.19 MB), 06:22

    *   09 10-服务器模型训练-启动了多个后台进程错误 (44.36 MB), 06:13

    *   10 11-gpu模型训练-cuda和device概念 (63.00 MB), 13:47

    *   11 12-gpu模型训练-微调rnn和数据 (56.00 MB), 11:44

    *   12 13-gpu模型训练-rnn模型预测微调 (67.07 MB), 09:57

    *   13 14-gpu模型训练-思考与提高 (106.24 MB), 22:17

    *   14 15-中午课程回顾 (76.44 MB), 09:50

  *   13 注意力机制/

    *   01 16-注意力的概念和为什么需要注意力机制 (53.17 MB), 14:48

    *   02 17-生活中的qkv和神经网络模拟生活中的qkv (51.39 MB), 14:42

    *   03 18-seq2seq架构中qkv-seq2seq工作原理 (45.17 MB), 12:14

    *   04 19-seq2seq架构中qkv-分布代表什么 (41.52 MB), 10:06

    *   05 20-seq2seq架构中qkv-做了什么 (48.53 MB), 12:06

    *   06 21-注意力机制只是一个小的策略-站在神经网络三要素高度去理解 (32.80 MB), 07:38

    *   07 22-课堂答疑 (9.98 MB), 02:46

    *   08 23-注意力计算规则-作用-分类 (97.10 MB), 21:09

    *   09 24-注意力机制-思路分析 (76.24 MB), 16:17

    *   10 25-注意力机制-编码实现 (71.55 MB), 17:45

    *   11 26-注意力机制-调试 (20.43 MB), 04:31

    *   12 27-注意力机制-单词个数改变-权重分布调试实验 (27.97 MB), 06:15

    *   13 01-上一次课程复习-注意力机制 (89.21 MB), 20:56

    *   14 02-作业点评 (10.75 MB), 02:31

  *   14 英译法任务（一）/

    *   01 03-seq2seq案例-架构和数据集 (69.60 MB), 13:45

    *   02 04-seq2seq案例-需求分析和任务识别 (77.08 MB), 13:31

    *   03 05-课堂答疑为什么选用nnembedding (8.97 MB), 01:58

    *   04 06-seq2seq案例-总体步骤和导包 (93.76 MB), 17:21

    *   05 07-数据处理-思路分析 (77.02 MB), 13:27

    *   06 08-数据处理-文本清洗 (40.72 MB), 09:26

    *   07 09-数据处理-构建英文法文字典 (49.49 MB), 10:53

    *   08 10-数据处理-dataset类构建思路分析 (24.87 MB), 04:20

    *   09 11-数据处理-dataset类编码实现 (24.67 MB), 05:53

    *   10 12-数据处理-dataset类测试和调试 (14.62 MB), 03:06

    *   11 13-课堂答疑-有关batchsize (5.99 MB), 01:33

    *   12 14-编码器-思路分析 (68.48 MB), 14:24

    *   13 15-编码器-编码实现 (27.27 MB), 06:39

    *   14 16-编码器-测试和调试 (50.32 MB), 11:11

    *   15 17-中午课程回顾 (70.40 MB), 12:59

  *   15 英译法任务（二）/

    *   01 18-解码器-实现思路分析 (86.21 MB), 19:28

    *   02 19-解码器-编码实现 (63.51 MB), 13:27

    *   03 20-解码器-调试和测试 (45.22 MB), 10:05

    *   04 21-attention解码器-实现思路分析 (136.51 MB), 29:47

    *   05 22-attention解码器-编码实现 (47.34 MB), 09:44

    *   06 23-attention解码器-测试和调试 (66.28 MB), 13:02

    *   07 24-训练函数主业务-思路分析 (44.69 MB), 08:54

    *   08 25-训练函数主业务-编写实现 (82.58 MB), 16:19

    *   09 26-内部训练函数-思路分析 (109.61 MB), 20:28

    *   10 27-内部训练函数-编码和调试 (86.02 MB), 16:30

  *   16 英译法任务（三）/

    *   01 01-训练函数流程复习和确认 (203.53 MB), 43:01

    *   02 02-注意力机制流程复习和确认 (46.16 MB), 10:30

    *   03 03-注意力机制数据形状变化剖析【重要】 (118.35 MB), 26:47

    *   04 04-模型训练-teacher-forcing概念 (44.68 MB), 11:03

    *   05 05-模型训练-teachr-forcing实现和调试 (74.60 MB), 15:02

    *   06 06-注意力机制-bmm运算意义解读【重要】 (89.06 MB), 21:47

    *   07 07-模型评估-串讲 (122.11 MB), 25:27

    *   08 08-中午课程回顾 (83.60 MB), 14:42

    *   09 09-注意力机制权重分布制图 (72.33 MB), 15:52

  *   17 注意力机制扩展阅读/

    *   01 10-注意力机制的拓展阅读 (160.46 MB), 28:45

    *   02 11-gpu设备上训练模型 (85.20 MB), 15:52

  *   18 Transformer结构/

    *   01 12-transformer背景介绍 (72.44 MB), 20:18

    *   02 13-transformer结构-4个部分 (29.73 MB), 09:04

    *   03 14-transformer结构-编码解码子层 (51.17 MB), 13:14

    *   04 15-transformer结构-编码器层和解码器层是如何连接的 (40.55 MB), 09:47

    *   05 16-课堂答疑 (26.61 MB), 05:50

    *   06 01-上一次课程复习 (120.58 MB), 24:12

    *   07 02-上一次课程复习-tranformer组成部分 (41.28 MB), 09:11

  *   19 输入部分/

    *   01 03-总体实现的要求和说明 (16.93 MB), 03:17

    *   02 04-输入-词嵌入层-思路分析 (48.31 MB), 11:11

    *   03 05-输入-词嵌入层-编码实现和调试 (49.23 MB), 13:00

    *   04 06-输入-添加位置信息-思想分析 (144.52 MB), 27:51

    *   05 07-课堂答疑-不同批次添加位置信息 (38.83 MB), 09:31

    *   06 08-课堂答疑-深度学习提取事物特征和机器学习不同之处 (5.72 MB), 01:57

    *   07 09-输入-添加位置信息-代码分析 (117.84 MB), 22:28

    *   08 10-输入-添加位置信息-编码实现 (44.70 MB), 09:56

    *   09 11-输入-添加位置信息-测试和调试 (27.47 MB), 05:42

    *   10 12-输入-绘制偶数奇数特征曲线 (45.43 MB), 08:40

    *   11 13-中午课程回顾 (39.16 MB), 08:51

  *   20 自注意力机制/

    *   01 14-掩码张量-上下三角矩阵 (107.86 MB), 26:53

    *   02 15-1自注意力机制-现实意义 (66.41 MB), 16:06

    *   03 15-2自注意力机制-现实意义-小结 (18.64 MB), 04:57

    *   04 16-自注意力机制-编码思路分析 (37.03 MB), 09:38

    *   05 17-自注意力机制-编码实现析 (49.13 MB), 10:40

    *   06 18-自注意力机制-调试 (16.33 MB), 03:49

    *   07 19-自注意力机制-权重分布矩阵的练习 (94.47 MB), 21:01

  *   21 多头注意力机制/

    *   01 20-多头注意力机制-概念作用和流程 (66.68 MB), 15:09

    *   02 21-多头注意力机制-数据形状变化分析【重要】 (74.73 MB), 18:36

    *   03 22-多头注意力机制-代码分析 (66.53 MB), 14:00

    *   04 23-课堂答疑-view和reshpe (6.50 MB), 01:36

    *   05 01-上一次课程复习 (136.16 MB), 29:23

    *   06 02-多头注意力机制-复习 (31.28 MB), 06:47

    *   07 03-多头注意力机制-代码分析 (39.82 MB), 08:15

    *   08 04-多头注意力机制-编码实现 (65.79 MB), 14:39

    *   09 05-多头注意力机制-测试和调试 (34.82 MB), 07:17

    *   10 06-课堂答疑-多头注意机制 (35.14 MB), 06:34

    *   11 07-transpose和view函数 (29.63 MB), 07:30

  *   22 编码器部分/

    *   01 08-前馈全连接层-思路分析和代码实现 (57.48 MB), 12:53

    *   02 09- 规范化层-实现思路分析 (69.66 MB), 16:45

    *   03 10- 规范化层-编码实现 (35.59 MB), 07:51

    *   04 11- 规范化层-测试和调试 (16.54 MB), 03:36

    *   05 12-子层连接结构-实现思路分析 (65.63 MB), 15:53

    *   06 13-子层连接结构-编码实现 (24.75 MB), 06:39

    *   07 14-子层连接结构-测试和调试 (40.83 MB), 09:28

    *   08 15-中午课程回顾 (46.87 MB), 09:25

    *   09 16-编码器层-思路分析 (59.32 MB), 11:56

    *   10 17-编码器层-编码实现 (44.86 MB), 09:32

    *   11 18-编码器层-测试和调试 (25.68 MB), 05:39

    *   12 19-编码器部分-思路分析 (39.42 MB), 09:13

    *   13 20-编码器部分-编码实现和调试 (46.36 MB), 09:46

    *   14 21-编码器部分-注意单独copyatten对象和ff对象 (42.78 MB), 07:24

  *   23 解码器部分/

    *   01 22-解码器层-思路分析 (50.24 MB), 12:48

    *   02 23-解码器层-编码实现 (56.32 MB), 10:13

    *   03 24-解码器层-测试和调试 (26.83 MB), 05:50

    *   04 25-mask的两个作用-防止信息泄露-处理pad数据 (66.26 MB), 14:08

    *   05 26-解码器部分-思路分析和编码实现和调试 (60.95 MB), 11:56

    *   06 01-上一次课程复习-上 (79.05 MB), 18:36

    *   07 02-上一次课程复习-下 (122.32 MB), 23:06

    *   08 03-输出部分-思路分析代码实现和调试 (39.16 MB), 10:03

  *   24 模型构建/

    *   01 04-模型构建-总体流程梳理 (82.70 MB), 20:09

    *   02 05-模型构建-总体业务流程-编码实现 (111.86 MB), 20:49

    *   03 06-模型构建-编码解码内部函数-编码实现 (58.10 MB), 13:07

    *   04 07-模型构建-测试和调试 (42.10 MB), 07:20

    *   05 08-transformer论文复现-复盘 (117.83 MB), 19:00

    *   06 09-上午课程回顾 (58.29 MB), 10:13

  *   25 fasttext工具介绍/

    *   01 11-fasttext-作用-速度快-层次softmax-ngram特征 (43.91 MB), 11:34

    *   02 12-面试题hssoftmax为什么要比普通softmax要速度快 (62.30 MB), 16:54

    *   03 13-fasttext-安装 (53.42 MB), 10:52

    *   04 14-分类概念-fasttext数据格式-数据集划分 (125.74 MB), 26:07

    *   05 15-fasttext分类基本api函数使用 (48.99 MB), 12:00

    *   06 16-fasttext模型调优-数据调优 (122.41 MB), 25:39

    *   07 17-fasttext模型调优-轮次-学习率-2gram-hs (77.43 MB), 17:31

    *   08 18-fasttext模型自动超参数调优 (33.51 MB), 06:50

    *   09 01-上一次课程复习 (115.39 MB), 22:03

    *   10 02-fasttext多标签多分类api (63.98 MB), 12:48

    *   11 03-fasttext训练词向量-复习 (72.34 MB), 16:25

  *   26 NLP中的标准数据集/

    *   01 04-词向量迁移 (73.99 MB), 16:26

    *   02 05-迁移学习概念 (75.18 MB), 17:48

    *   03 06-glue数据集概念 (27.82 MB), 06:05

    *   04 07-glue标准数据集-前三种 (99.88 MB), 22:51

    *   05 08-glue标准数据集-中间三种 (90.65 MB), 20:22

    *   06 09-glue标准数据集-后三种 (10.52 MB), 02:23

    *   07 10-clue标准数据集介绍 (39.45 MB), 07:41

    *   08 11-中午课程回顾 (88.16 MB), 15:14

  *   27 transformers库使用（一）/

    *   01 12-预训练模型分类和大小 (99.80 MB), 23:50

    *   02 13-transformers开源社区和库介绍 (65.15 MB), 12:54

    *   03 14-transformers三层架构 (31.81 MB), 07:08

    *   04 15-transformers库的安装 (30.91 MB), 05:47

    *   05 16-pipeline方式-官网模型下载 (59.38 MB), 14:34

    *   06 17-pipeline-文本分类 (31.77 MB), 06:35

    *   07 18-pipeline-特征抽取-思路分析 (34.12 MB), 08:42

    *   08 19-pipeline-特征抽取-api调用 (53.30 MB), 09:14

    *   09 20-pipeline-完型填空 (36.36 MB), 08:13

    *   10 21-pipeline-阅读理解任务 (34.86 MB), 08:12

    *   11 22-pipeline-文本摘要 (25.65 MB), 05:12

    *   12 01-提高职业素养 (12.86 MB), 03:26

    *   13 02-上一次课程复习上 (124.42 MB), 22:19

    *   14 03-上一次课程复习下 (47.20 MB), 07:43

  *   28 transformers库使用（二）/

    *   01 04-automodel-文本分类思路分析 (47.14 MB), 10:12

    *   02 05-automodel-文本分类编码实现 (106.80 MB), 21:10

    *   03 06-automodel-分词器编码-指定数据格式 (24.27 MB), 05:43

    *   04 07-课堂答疑-有关eval和nograd区别和联系 (27.02 MB), 05:37

    *   05 08-automodel-特征提取-思路分析 (89.56 MB), 18:01

    *   06 09-automodel-特征提取-实现和调试 (37.73 MB), 06:57

    *   07 10-课堂答疑-多句话使用bath_encode_plus (4.21 MB), 00:53

    *   08 11-automodel-完型填空-思路分析 (26.04 MB), 05:59

    *   09 12-automodel-完型填空-编码实现 (41.26 MB), 08:52

    *   10 13-automodel-阅读理解(抽取式问答) (62.87 MB), 13:53

    *   11 14-automodel-文本摘要 (62.10 MB), 10:04

    *   12 15-automodel-ner任务 (85.90 MB), 19:38

    *   13 16-中午课程回顾 (93.54 MB), 16:06

    *   14 17-具体模型方式-完型填空 (75.84 MB), 12:13

    *   15 18-课堂答疑-具体模型和automodel方式区别和联系 (43.26 MB), 08:28

  *   29 迁移学习实践（一）/

    *   01 19-1-迁移学习中文数据和微调实现思路 (68.28 MB), 10:06

    *   02 19-2-迁移学习中文数据和微调实现思路 (16.03 MB), 02:21

    *   03 20-数据预处理-dataset (88.31 MB), 18:47

    *   04 21-数据预处理-dataloader二次处理回调函数-原因-data语法 (98.47 MB), 18:40

    *   05 22-数据预处理-二次处理思路分析 (39.07 MB), 08:06

    *   06 23-数据预处理-二次处理编码实现和调试 (39.09 MB), 08:40

    *   07 24-课堂答疑-数据处理length属性和最大长度属性 (13.02 MB), 03:21

    *   08 25-搭建模型-思路分析 (63.52 MB), 13:25

    *   09 26-搭建模型-实现和调试 (39.58 MB), 08:57

    *   10 27-模型训练-思路分析 (45.77 MB), 09:00

    *   11 28-模型训练-编码 (51.86 MB), 10:14

    *   12 29-模型训练-调试 (35.37 MB), 06:08

    *   13 01-上一次课程复习 (101.82 MB), 22:42

    *   14 02-上一次课程复习 (74.93 MB), 14:18

  *   30 迁移学习实践（二）/

    *   01 03-中文分类-模型评估-串讲 (40.62 MB), 07:57

    *   02 04-中文分类-任务识别和需求分析 (43.35 MB), 09:10

    *   03 05-中文分类-数据处理思路分析 (77.76 MB), 15:31

    *   04 06-中文分类-数据处理编码实现 (68.73 MB), 15:39

    *   05 07-中文分类-数据处理测试和调试 (17.11 MB), 03:18

    *   06 08-中文分类-模型构建 (46.12 MB), 10:02

    *   07 09-中文分类-模型训练-代码移植 (62.14 MB), 13:28

    *   08 10-中文分类-模型评估-代码移植 (86.26 MB), 17:47

    *   09 11-中午课程回顾 (45.11 MB), 08:54

  *   31 迁移学习实践（三）/

    *   01 12-句子关系-任务介绍需求分析 (28.13 MB), 06:34

    *   02 13-句子关系-数据处理-正负样本-文本数值化-思路分析 (118.26 MB), 24:56

    *   03 14-句子关系-数据处理-正负样本-编码实现 (45.15 MB), 11:22

    *   04 14-句子关系-数据处理-正负样本-调试 (21.27 MB), 05:07

    *   05 15-句子关系-数据处理-回调函数文本数值化-编码和调试 (44.81 MB), 10:53

    *   06 16-句子关系-模型构建 (19.58 MB), 04:23

    *   07 17-句子关系-模型训练 (23.80 MB), 05:12

    *   08 18-句子关系-模型评估 (19.14 MB), 04:14

    *   09 19-文本预处理知识体系-复习 (197.05 MB), 49:49

  *   32 迁移学习实践（四）/

    *   01 01-上一次课程复习 (78.54 MB), 17:00

    *   02 02-微调脚本-概念和数据集 (73.51 MB), 14:56

    *   03 03-微调脚本-训练过程演示 (78.12 MB), 13:24

    *   04 04-微调脚本-模型的调用 (31.06 MB), 06:28

    *   05 05-微调脚本-做实验的步骤 (1.73 MB), 00:25

  *   33 bert模型/

    *   01 06-bert模型-简介 (51.68 MB), 13:11

    *   02 07-bert模型-架构-对比 (58.87 MB), 13:52

    *   03 08-bert模型-词向量层 (31.93 MB), 07:54

    *   04 08-bert模型-特征抽取层和预微调层 (59.52 MB), 13:28

    *   05 09-bert模型-为什么采用CLS特征作为整个句子的特征 (67.29 MB), 12:42

    *   06 10-bert模型-mlm和nsp训练任务 (122.33 MB), 26:31

  *   34 Transformer子模块/

    *   01 11-Transformer 各子模块作用 (68.41 MB), 12:49

    *   02 12-中午课程回顾 (45.33 MB), 08:23

    *   03 13-1Transformer Decoder模块 (47.77 MB), 08:58

    *   04 13-3课堂答疑-有关sos+a+b去生成c (17.89 MB), 04:29

    *   05 13-2课堂答疑-有关1个字符1个字符的解码 (37.29 MB), 07:32

  *   35 self attention机制详解/

    *   01 14-selfattention概念 (48.87 MB), 10:20

    *   02 15-添加缩放系数-qk乘积在增大 (51.27 MB), 11:18

    *   03 16-添加缩放系数-qk乘积方差增大d_k倍 (37.22 MB), 09:20

    *   04 18-添加缩放系数-方差增加会造成最大值分量强占所有概率 (61.62 MB), 13:49

    *   05 19添加缩放系数-均值和方差 (42.30 MB), 09:47

    *   06 20-添加缩放系数-softmax函数求导 (68.05 MB), 17:58

    *   07 21-添加缩放系数-XY运算方差增大d_k (62.89 MB), 17:32

    *   08 22-添加缩放系数-XY运算方差增大d_k2 (83.47 MB), 17:28

  *   36 Transformer优势/

    *   01 23-rnn和注意力机制知识体系复习 (111.93 MB), 32:09

    *   02 24-seq2seq案例-review代码 (50.44 MB), 10:10

    *   03 01-上一次课程复习 (194.95 MB), 40:17

    *   04 02-transformer优势 (82.61 MB), 17:14

  *   37 bert及elmo模型/

    *   01 03-bert模型的特点 (98.21 MB), 20:37

    *   02 04-elmo简介和架构 (95.08 MB), 22:12

    *   03 05-bert模型动态词向量实验 (67.00 MB), 16:30

    *   04 06-bert模型静态词向量实验 (89.69 MB), 19:09

    *   05 07-elmo模型-训练 (62.55 MB), 11:47

    *   06 08-elmo模型-效果和待改进点 (36.85 MB), 07:04

    *   07 09-中午课程复习 (87.04 MB), 16:00

  *   38 gpt模型/

    *   01 10-gpt模型-简介和架构 (60.26 MB), 13:35

    *   02 11-gpt模型-二阶段训练 (62.16 MB), 14:40

    *   03 12-gpt模型-工作流程 (46.05 MB), 11:20

    *   04 13-gpt模型-工作流程 (113.56 MB), 28:28

    *   05 14-三大模型优点和缺点 (22.00 MB), 04:13

*   04 第四章 拓展课程-基于GPT2大模型开发和应用/

  *   01 课程背景介绍/

    *   01 01-ChatGPT介绍 (19.33 MB), 06:10

    *   02 02-ChatGPT背景介绍 (66.52 MB), 17:10

    *   03 03-ChatGPT注册mp4 (24.74 MB), 05:38

    *   04 04-python调用Chatgpt (83.23 MB), 12:29

    *   05 05-ChatGPT应用场景 (37.99 MB), 06:52

    *   06 06--ChatGPT模型本质 (52.44 MB), 11:33

  *   02 ChatGPT发展历程及原理/

    *   01 07--Ngram语言模型 (61.75 MB), 13:20

    *   02 08--神经网络语言模型 (41.18 MB), 06:37

    *   03 09--GPT1模型训练过程 (60.87 MB), 13:56

    *   04 10--GPT1模型特点与总结 (25.53 MB), 04:30

    *   05 11-GPT2模型介绍 (71.93 MB), 15:09

    *   06 12--GPT3模型 (109.16 MB), 20:54

    *   07 13--ChatGPT介绍 (76.69 MB), 15:02

    *   08 14--ChatGPT原理 (83.80 MB), 13:45

    *   09 15--今日课程总结 (27.19 MB), 06:01

  *   03 聊天机器人项目介绍及数据处理/

    *   01 01--聊天机器人项目背景 (27.30 MB), 05:32

    *   02 02--聊天机器人的项目架构 (66.90 MB), 16:44

    *   03 03--数据格式转换 (271.19 MB), 27:46

    *   04 04--数据格式处理 (283.03 MB), 31:29

    *   05 05--数据迭代器构建 (156.63 MB), 16:28

  *   04 聊天机器人项目代码介绍/

    *   01 06--模型结构介绍 (178.18 MB), 23:34

    *   02 07--main函数介绍1 (100.03 MB), 12:18

    *   03 08--训练函数解析 (235.55 MB), 23:29

    *   04 09--计算准确率函数解析 (220.80 MB), 22:23

    *   05 10--训练函数讲解 (247.68 MB), 26:14

    *   06 11--人机交互 (285.21 MB), 32:20

*   05 第五章 赠送课程内容/

  *   01 ChatGPT原理篇/

    *   01 01.ChatGPT入门 (495.67 MB), 02:08:01

    *   02 02.ChatGPT原理 (574.97 MB), 02:14:01

    *   03 03.基于ChatGPT人名分类案例 (641.91 MB), 02:11:42

    *   04 04.聊天机器人初探 (555.12 MB), 02:19:18

    *   05 05.闲聊机器人实现 (599.43 MB), 02:12:27

  *   02 ChatGPT百宝箱/

    *   01 01.ChatGPT百宝箱 (481.57 MB), 02:10:33