解决什么工作场景
这门课聚焦于指导学员从零开始训练私有化的大型语言模型。当前企业对定制化AI能力的需求日益增长,尤其是在处理敏感数据、优化内部流程或开发特定业务应用方面。课程旨在帮助职场人士或转行者掌握搭建、部署和维护私有大模型的技能,以应对企业数字化转型中遇到的实际问题,例如提升客户服务效率、辅助研发创新或构建内部知识管理工具。它不局限于理论讲解,而是侧重于实践操作,让学员能够将所学直接应用于实际工作场景。
适合什么基础与学习建议
本课程适合具备一定的编程基础(特别是Python)、了解机器学习基本概念,并希望深入AI技术栈的学员。对于零基础学员,课程前半部分会涉及开发环境的搭建和使用工具的介绍,但进度较快,需要有较强的自学意愿。资料包中的[1.5]--1-5明确解释了为何选择GPT-2而非GPT-3作为起点,这对学习路径有直接指导意义。建议先学习第1章和第2章,重点理解模型训练的基本流程和开发环境的配置,为后续深入学习打下基础。
能独立做什么与资料配合练习
学完后,学员能够独立完成私有大模型的基础训练、微调、部署与日常维护工作。课程不仅提供理论框架,还包含了完整的开发资料包,涵盖环境配置指南、代码模板和实验数据集。学员应结合资料包中的{2}--第2章进行环境搭建练习,通过{3}--第3章的实战项目进行模型训练和效果评估。每章后的总结文件(如[3.N]--总结.mp4)梳理了关键知识点,建议结合这些材料进行复习和动手实践,确保技能的熟练掌握。
课程目录
课程目录95 集
- 总计: 9 个文件夹,
- 95 个文件 📁 从0到1训练私有大模型 ,企业急迫需求,抢占市场先机 ├── 📁 {1}--第1章 课程介绍 │ ├── 📄 [1.1]--1-1 【导航】课程导学&让你快速了解课程_ev.mp4
- (39.64MB) │ ├── 📄 [1.2]--1-2 【内容安排】课程安排和学习建议_ev.mp4
- (13.59MB) │ ├── 📄 [1.3]--1-3 【行业发展】ChatGPT对行业、社会有什么影响,我们要_ev.mp4
- (39.54MB) │ ├── 📄 [1.4]--1-4 【发展史】ChatGPT的简要历史_ev.mp4
- (16.34MB) │ └── 📄 [1.5]--1-5 【学习须知】本课程为什么使用gpt2而不是gpt3_ev.mp4
- (5.87MB) ├── 📁 {2}--第2章 训练模型与开发平台环境 │ ├── 📄 [2.1]--2-1 【认知】为什么要引入paddle?平时使用torch,学_ev.mp4
- (9.13MB) │ ├── 📄 [2.2]--2-2 【框架】paddle和torch与tensorflow对_ev.mp4
- (11.15MB) │ ├── 📄 [2.3]--2-3 【NLP工具和预训练模型】paddleNLP和huggi_ev.mp4
- (5.62MB) │ ├── 📄 [2.4]--2-4 【平台】介绍aistudio_ev.mp4
- (23.93MB) │ └── 📄 [2.5]--2-5 【工具】介绍基于gpt4的IDE cursor_ev.mp4
- (19.28MB) ├── 📁 {3}--第3章 chatGPT初始技术词向量原理剖析与实战 │ ├── 📄 [3.10]--3-10 【激活函数】常见七种激活函数对比_ev.mp4
- (21.61MB) │ ├── 📄 [3.11]--3-11 【预训练语言模型】RNN-LSTM-ELMO_ev.mp4
- (37.75MB) │ ├── 📄 [3.12]--3-12 本章梳理小结_ev.mp4
- (5.50MB) │ ├── 📄 [3.1]--3-1 【认知】词向量,词向量与gpt的关系_ev.mp4
- (8.72MB) │ ├── 📄 [3.2]--3-2 【语言模型】语言模型和评估指标PPL_ev.mp4
- (23.18MB) │ ├── 📄 [3.3]--3-3 【词向量模型】word2vec-cbow和skipgra_ev.mp4
- (14.53MB) │ ├── 📄 [3.4]--3-4 【softmax加速】是softmax 树型优化_ev.mp4
- (25.76MB) │ ├── 📄 [3.5]--3-5 【softmax加速】softmax负采样优化_ev.mp4
- (20.85MB) │ ├── 📄 [3.6]--3-6 【数据准备与预处理】word2vec实战(1)_ev.mp4
- (57.20MB) │ ├── 📄 [3.7]--3-7 【数据准备与预处理】word2vec实战(2)_ev.mp4
- (31.50MB) │ ├── 📄 [3.8]--3-8 【模型训练】word2vec实战-模型开发和训练(1)_ev.mp4
- (25.01MB) │ └── 📄 [3.9]--3-9 【模型训练】word2vec实战-模型开发和训练(2)_ev.mp4
- (35.64MB) ├── 📁 {4}--第4章 chatGPT基石模型——基于Transformer架构的语言模型 │ ├── 📄 [4.10]--4-10 transformer-xl解决长序列的问题(2)_ev.mp4
- (27.97MB) │ ├── 📄 [4.11]--4-11 本章梳理总结_ev.mp4
- (6.76MB) │ ├── 📄 [4.1]--4-1 本章介绍_ev.mp4
- (2.18MB) │ ├── 📄 [4.2]--4-2 seq2seq结构和注意力_ev.mp4
- (23.75MB) │ ├── 📄 [4.3]--4-3 seq2seq-attention的一个案例_ev.mp4
- (11.11MB) │ ├── 📄 [4.4]--4-4 transformer的multi-head atten_ev.mp4
- (39.60MB) │ ├── 📄 [4.5]--4-5 transformer的残差链接-解决梯度消失问题_ev.mp4
- (12.56MB) │ ├── 📄 [4.6]--4-6 transformer的layernorm-归一化提升训_ev.mp4
- (10.75MB) │ ├── 📄 [4.7]--4-7 transformer的decoder 解码器_ev.mp4
- (14.68MB) │ ├── 📄 [4.8]--4-8 sparse-transformer 稀疏模型_ev.mp4
- (11.23MB) │ └── 📄 [4.9]--4-9 transformer-xl 解决长序列的问题(1)_ev.mp4
- (26.78MB) ├── 📁 {5}--第5章 基于Transformer另一分支Bert系列分析与实战 │ ├── 📄 [5.10]--5-
- 10 bert(transformer encoder)主要_ev.mp4
- (44.74MB) │ ├── 📄 [5.11]--5-
- 11 bert(transformer encoder)的完_ev.mp4
- (91.56MB) │ ├── 📄 [5.12]--5-12 Ernie文心一言基础模型(1)_ev.mp4
- (26.20MB) │ ├── 📄 [5.13]--5-13 Ernie文心一言基础模型(2)_ev.mp4
- (13.12MB) │ ├── 📄 [5.14]--5-14 plato百度对话模型(1)_ev.mp4
- (28.03MB) │ ├── 📄 [5.15]--5-
- 15 plato 百度对话模型(2)_ev.mp4
- (29.35MB) │ ├── 📄 [5.16]--5-16 本章总结_ev.mp4
- (12.74MB) │ ├── 📄 [5.1]--5-1 本章介绍_ev.mp4
- (1.87MB) │ ├── 📄 [5.2]--5-2 metric-评估指标(BLUE-rouge-L-MET_ev.mp4
- (34.23MB) │ ├── 📄 [5.3]--5-3 常见 subword 算法(BPE-wordpiece)_ev.mp4
- (10.25MB) │ ├── 📄 [5.4]--5-4 常见的NLP任务_ev.mp4
- (10.50MB) │ ├── 📄 [5.5]--5-5 bert 预训练模型_ev.mp4
- (41.76MB) │ ├── 📄 [5.6]--5-6 bert情感分析实战----paddle(1)_ev.mp4
- (53.22MB) │ ├── 📄 [5.7]--5-7 bert情感分析实战----paddle(2)_ev.mp4
- (57.61MB) │ ├── 📄 [5.8]--5-8 evaluate和predict方法----paddle_ev.mp4
- (30.47MB) │ └── 📄 [5.9]--5-9 bert(transformer encoder)主要源_ev.mp4
- (45.19MB) ├── 📁 {6}--第6章 chatGPT的核心技术——强化学习 │ ├── 📄 [6.10]--6-10 actor-critic(2)_ev.mp4
- (12.06MB) │ ├── 📄 [6.11]--6-11 TRPO+PPO(1)_ev.mp4
- (40.93MB) │ ├── 📄 [6.12]--6-12 TRPO+PPO(2)_ev.mp4
- (28.62MB) │ ├── 📄 [6.13]--6-13 DQN代码实践--torch-1_ev.mp4
- (44.11MB) │ ├── 📄 [6.14]--6-14 DQN代码实践--torch-2_ev.mp4
- (49.49MB) │ ├── 📄 [6.15]--6-15 DoubleDQN+DuelingDQ代码--torc_ev.mp4
- (52.98MB) │ ├── 📄 [6.16]--6-16 REINFORCE代码--torch_ev.mp4
- (47.87MB) │ ├── 📄 [6.17]--6-17 PPO代码实践--torch_ev.mp4
- (65.55MB) │ ├── 📄 [6.18]--6-18 强化学习-本章总结_ev.mp4
- (16.85MB) │ ├── 📄 [6.1]--6-1 RL是什么&为什么要学习RL_ev.mp4
- (21.46MB) │ ├── 📄 [6.2]--6-2 强化学习章介绍_ev.mp4
- (4.41MB) │ ├── 📄 [6.3]--6-3 RL基础概念_ev.mp4
- (12.17MB) │ ├── 📄 [6.4]--6-4 RL马尔可夫过程_ev.mp4
- (28.77MB) │ ├── 📄 [6.5]--6-5 RL三种方法(1)_ev.mp4
- (30.12MB) │ ├── 📄 [6.6]--6-6 RL三种方法(2)_ev.mp4
- (10.65MB) │ ├── 📄 [6.7]--6-7 DQN和DQN的2种改进算法(1)_ev.mp4
- (20.26MB) │ ├── 📄 [6.8]--6-8 DQN和DQN的2种改进算法(2)_ev.mp4
- (24.63MB) │ └── 📄 [6.9]--6-9 actor-critic(1)_ev.mp4
- (38.68MB) ├── 📁 {7}--第7章 chatGPT技术演变——从GPT 1 开始的大模型发展与演化 │ ├── 📄 [7.10]--7-
- 10 Antropic LLM大型语言模型_ev.mp4
- (40.83MB) │ ├── 📄 [7.11]--7-11 GPT-本章总结_ev.mp4
- (12.89MB) │ ├── 📄 [7.1]--7-1 GPT1 模型_ev.mp4
- (25.22MB) │ ├── 📄 [7.2]--7-2 GPT2 模型_ev.mp4
- (25.93MB) │ ├── 📄 [7.3]--7-3 GPT3 模型-1_ev.mp4
- (31.94MB) │ ├── 📄 [7.4]--7-4 GPT3 模型-2_ev.mp4
- (28.06MB) │ ├── 📄 [7.5]--7-5 gpt-codex 基于GPT技术开发的模型_ev.mp4
- (23.54MB) │ ├── 📄 [7.6]--7-6 alphaCode基于GPT技术开发的模型-1_ev.mp4
- (28.90MB) │ ├── 📄 [7.7]--7-7 alphaCode基于GPT技术开发的模型-2_ev.mp4
- (16.84MB) │ ├── 📄 [7.8]--7-8 instruct-gpt 基于GPT技术开发的模型-1_ev.mp4
- (21.78MB) │ └── 📄 [7.9]--7-9 instruct-gpt 基于GPT技术开发的模型-2_ev.mp4
- (27.07MB) └── 📁 {8}--第8章 RLHF训练类ChatGPT模型代码实战 ├── 📄 [8.10]--8-10 RLHF强化学习人类反馈的训练-model-base_ev.mp4
- (24.08MB) ├── 📄 [8.11]--8-11 RLHF强化学习人类反馈的训练-model-opt_ev.mp4
- (13.28MB) ├── 📄 [8.13]--8-13 RLHF强化学习人类反馈的训练-generation(_ev.mp4
- (48.79MB) ├── 📄 [8.14]--8-14 RLHF强化学习人类反馈的训练-exp_maker(1_ev.mp4
- (32.05MB) ├── 📄 [8.15]--8-15 RLHF强化学习人类反馈的训练-exp_maker(2_ev.mp4
- (43.19MB) ├── 📄 [8.16]--8-16 RLHF强化学习人类反馈的训练-buffer-util_ev.mp4
- (56.03MB) ├── 📄 [8.17]--8-17 RLHF强化学习人类反馈的训练-buffer-loss_ev.mp4
- (45.66MB) ├── 📄 [8.19]--8-19 RLHF强化学习人类反馈的训练-main_ev.mp4
- (68.91MB) ├── 📄 [8.1]--8-1 chatGPT训练实战_ev.mp4
- (13.24MB) ├── 📄 [8.2]--8-2 SFT有监督的训练-数据处理_ev.mp4
- (63.07MB) ├── 📄 [8.3]--8-3 SFT有监督训练-trainer_ev.mp4
- (37.66MB) ├── 📄 [8.4]--8-4 SFT有监督训练-train_ev.mp4
- (63.73MB) ├── 📄 [8.5]--8-5 RM训练-model+dataset(1)_ev.mp4
- (27.00MB) ├── 📄 [8.6]--8-6 RM训练-model+dataset(2)_ev.mp4
- (25.81MB) ├── 📄 [8.7]--8-7 RM训练-trainer_ev.mp4
- (31.29MB) ├── 📄 [8.8]--8-8 RM训练-train-rm_ev.mp4
- (35.55MB) └── 📄 [8.9]--8-9 RLHF强化学习人类反馈的训练-dataset_ev.mp4
- (14.38MB)






