赋范AI-GPT大模型与AIGC技术实战课-AI037【系统课】

课程目录

【加餐】大模型前沿技术视野/
【加餐】ChatGLM3 function calling功能实践（上）.sz
【加餐】ChatGLM3 function calling功能实践（下）.sz
【加餐】ChatGLM3全新消息格式和Function calling功能介绍.sz
【加餐】ChatGLM3性能快速评测.sz
【加餐】ChatGLM3新模型综合介绍.sz
【加餐】ChatGLM快速上手.sz
【加餐】GPTs入门介绍.sz
【加餐】GPTs进阶功能Actions实现方法详解.sz
【加餐】Llama2重磅开源.sz
【加餐】OpenAI开发者大会详解（上）.sz
【加餐】OpenAI开发者大会详解（下）.sz
【加餐】定制化数据分析GPTs效果实测.sz
【加餐】手把手创建第一个GPTs.sz
【正课】大模型技术实战课/
001.【预习课】Lesson 1.1 GPT大模型基本概念.sz
002.【预习课】Lesson 1.2 大模型技术模块内容介绍.sz
003.【预习课】Lesson 1.3 提示工程部分内容介绍.sz
004.【预习课】Lesson 1.4 AIGC技术部分内容介绍.sz
005.【预习课】Lesson 2.1 谷歌邮箱Gmail注册.sz
006.【预习课】Lesson 2.2 OpenAI账号注册.sz
007.【预习课】Lesson 2.3 ChatGPT Plus升级流程.sz
008.【预习课】Lesson 2.4 ChatGPT防封指南.sz
010.Week1-1 无缝接入大模型应用！.sz
011.Week1-2 GPT架构与transformer原理详解.sz
012.Week2-1 提示工程之自然语言Prompts.sz
013.Week2-2 提示工程之编程语言Prompts.sz
014.Week3-1 大模型编程与科研工具.sz
015.Week3-2 大模型办公与数据分析工具.sz
016.Week4-1 规模化图像生成工具.sz
017.Week4-2 ConrtolNet与规模化文案生成工具.sz
018.Week5-1.1 大模型技术学习目标和内容规划.sz
019.Week5-1.2 OpenAI在线大模型生态介绍.sz
020.Week5-1.3 开源大模型生态与ChatGLM-6B大模型介绍.sz
021.Week5-2.1 大语言模型的基本深度学习概念补充讲解.sz
022.Week5-2.2 OpenAI Fine-tuning API简介.sz
023.Week5-2.3 开源微调框架入门介绍.sz
024.Week5-3 大模型课程硬件要求说明.sz
025.Week5-4 LangChain入门介绍.sz
026.Week6-1 OpenAI大模型生态介绍与CoT提示工程方法.sz
027.Week6-2 基于提升模型组合泛化能力的提示工程方法.sz
028.Week 6 Ch 1.1 OpenAI官网使用说明.sz
029.Week 6 Ch 1.2 本地调用OpenAI API方法.sz
030.Week 6 Ch 2.1 Completion模型与Chat模型介绍.sz
031.Week 6 Ch 2.2 Completion.create函数参数详解.sz
032.Week 6 Ch 2.3 Completion.create函数调参数实践.sz
033.Week 6 Ch 2.4手动创建可调节对话风格的对话机器人.sz
034.Part 6.3.1 大语言模型原生能力与涌现能力介绍.sz
035.Part 6.3.2 提示工程技术入门.sz
036.Part 6.4.1 One-shot&Few-shot提示方法.sz
037.Part 6.4.2 Zero-shot-CoT提示法（新）.sz
038.Part 6.4.3 Few-shot-CoT提示法.sz
039.Part 6.4.4 LtM提示方法.sz
040.Part 6.5.1 SCAN指令翻译项目介绍与数据集准备.sz
041.Part 6.5.2 针对SCAN数据集的Few-shot-LtM提示工程流程.sz
042.Part 6.5.3 SCAN指令翻译项目完整建模流程.sz
043.Part 6.6.1 Chat Completion模型背景介绍.sz
044.Part 6.6.2 Chat Completion模型发展现状.sz
045.Part 6.7.1 Chat Completion模型API详解.sz
046.Part 6.7.2 Messages参数设置技巧.sz
047.Part 6.7.3 基于特定知识的简易问答机器人创建方法.sz
048.Part 6.8.1 Function calling外部函数库创建过程.sz
049.Part 6.8.2 functions参数编写方法.sz
050.Part 6.8.3 Function calling功能实现流程.sz
051.Part 6.9.1 Function calling高级函数封装思路.sz
052.Part 6.9.2 auto-functions自动参数编写函数.sz
053.Part 6.9.3 自动Function_calling函数编写.sz
054.Part 6.10.1 OpenWeather API获取与使用方法.sz
055.Part 6.10.2 借助OpenWeatherAPI实现基于Chat模型的实时天气查询.sz
056.Part 6.10.3 借助Few-shot提升Chat模型响应准确率.sz
057.【加餐】Llama2重磅开源.sz
058.Part 6.11.1 谷歌云入门介绍.sz
059.Part 6.11.2 谷歌云Auth 2.0客户端授权流程.sz
060.Part 6.11.3 借助Gmail API实现Chat模型邮件查阅功能.sz
061.Part 6.11.4 借助Gmail API实现Chat模型邮件发送功能.sz
062.Part 6.12.1 借助AI提高开发效率基本思路.sz
063.Part 6.12.2 半自动外部函数创建与基于Jupyter的本地函数库管理流程.sz
064.Part 6.12.3 借助Chat模型本地创建代码及运行测试流程.sz
065.Part 6.13.1 基于Few-shot的全自动编程流程.sz
066.Part 6.13.2 基于LtM的更加稳定的全自动函数编写流程.sz
067.Part 6.8.4 Function calling全流程总结.sz
068.Part 6.13.3 全自动编程函数创建方法.sz
069.Part 6.13.4 自动编程函数性能测试与优化策略.sz
070.Part 6.14.1 代码审查模型创建思路.sz
071.Part 6.14.2 审查模型创建与纠错性能测试.sz
072.Part 6.14.3 代码审查函数封装过程.sz
072.Part 6.14.5 全自动代码创建和审查流程.sz
073.Part 6.14.4 全自动debug函数封装和创建过程.sz
073.Part 6.14.6.自然语言编程实战效果测试.sz
074.GLM大模型竞赛分享直播 Live 1.sz
074.Part 6.14.7 高阶自然语言编程：复杂编程任务拆解思路（上）.sz
075.Ch.14.3 高阶自然语言编程策略：复杂任务拆解与分段代码编写方法.sz
075.Part 6.14.8 高阶自然语言编程：复杂编程任务拆解思路（下）.sz
076.Ch.14.4 复杂AI应用开发项目复盘：项目开发流程&函数结构关系梳理&自然语言编程方法.sz
076.Part 6.14.9 高阶自然语言编程：复杂需求函数编写（上）.sz
077.Part 6.14.10 高阶自然语言编程：复杂需求函数编写（中）.sz
078.Part 6.14.11 高阶自然语言编程：复杂需求函数编写（下）.sz
079.Part 6.14.12 全自动复杂需求函数编写流程总结.sz
080.【加餐】GLM大模型竞赛分享直播 Live 1.sz
081.【加餐】GLM大模型竞赛分享直播 Live 2.sz
082.Part 6.15.1 AI应用开发现状分析.sz
083.Part 6.15.2 智能搜索问答机器人项目介绍与开发思路.sz
084.Part 6.15.3 谷歌搜索API获取与使用.sz
085.Part 6.15.4 XPath爬去目标网站基本思路.sz
086.Part 6.15.5 特定网址爬虫编写.sz
087.Part 6.15.6 全自动搜索问答机器人外部函数编写与实践.sz
088.Part 6.15.7 搜索问答机器人项目流程优化.sz
088.Part 6.16.1 代码解释器入门介绍与MySQL安装过程.sz
089.Part 6.15.8 将GitHub接入GPT模型.sz
089.【加餐】大模型竞赛高分方案分享 Part 1.sz
089.大模型实战0902直播.sz
090.Part 6.15.9 将Hugging face介入GPT模型.sz
090.【加餐】大模型竞赛高分方案分享 Part 2.sz
091.Part 6.16.1 代码解释器功能介绍与借助代码解释器进行数据分析.sz
091.【加餐】大模型竞赛高分方案分享 Part 3.sz
092.Part 6.16.2 代码解释器技术实现流程分析.sz
092.【加餐】大模型竞赛高分方案分享 Part 4.sz
093.Ch 16.7 代码解释器项目开发目标和实现思路.sz
093.Part 6.16.3 代码解释器功能局限与开源项目介绍.sz
094.Ch 16.8 MySQL数据库本地安装流程.sz
094.Part 6.16.4 Open Interpreter项目介绍与安装、使用方法.sz
095.Ch 16.9 本地数据库数据处理与数据导入.sz
095.Part 6.16.5 Open Interpreter本地代码运行与互联网功能实现.sz
096.Ch 16.10 将MySQL接入Chat模型实现流程.sz
096.Part 6.16.6 Open Interpreter数据分析功能与本地计算机交互功能.sz
097.Ch 16.11 数据分析代码解释器执行流程介绍.sz
097.【加餐】大模型竞赛高分方案分享 Part 1.sz
098.Ch 16.12 具备可控记忆长度的交互式分析函数.sz
098.Ch 16.3定制化代码解释器开发实战.sz
099.Ch 16.13 借助谷歌云文档进行多轮对话信息存储.sz
099.Ch 16.4 定制化代码解释器开发实战.sz
100.Ch 16.14 借助专家文档和对话结果编写数据分析报告.sz
100.金融大模型竞赛分享Day 2.sz
101.Ch 16.15 Python代码解释器基础.sz
101.Part 6.16.7 代码解释器项目开发目标和实现思路.sz
102.Ch 16.16 Python代码解释器核心函数修改.sz
102.Part 6.16.8 MySQL数据库本地安装流程.sz
103.Ch 16.17 Python代码解释器交互式分析实战流程.sz
103.Part 6.16.9 本地数据库数据处理与数据导入.sz
104.Ch 16.18 【阶段总结】代码解释器项目代码串讲.sz
104.Part 6.16.10 将MySQL接入Chat模型实现流程.sz
105.Ch 16.19 【阶段总结】【小结】DA AI Agent功能框架介绍.sz
105.Part 6.16.11 数据分析代码解释器执行流程介绍.sz
106.Ch 16.20 【课堂演示】代码解释器效果互动演示.sz
106.Part 6.16.12 具备可控记忆长度的交互式分析函数.sz
107.Ch 16.21高阶Code AI Agent功能构思.sz
107.Part 6.16.13 借助谷歌云文档进行多轮对话信息存储.sz
108.Ch 16.22 高阶Code AI Agent架构介绍.sz
109.Ch 16.23 高阶Code AI Agent InterProject类创建过程.sz
110.Ch 16.24 高阶Code AI Agent ChatMessages类创建过程.sz
111.Ch 16.25 高阶Code AI Agent Tools模块创建.sz
112.【加餐】ChatGLM3新模型综合介绍.sz
113.【加餐】ChatGLM3全新消息格式和Function calling功能介绍.sz
114.【加餐】ChatGLM快速上手.sz
115.【加餐】ChatGLM3性能快速评测.sz
116.【加餐】ChatGLM3 function calling功能实践（上）.sz
117.【加餐】ChatGLM3 function calling功能实践（下）.sz
118.【加餐】OpenAI开发者大会详解（上）.sz
119.【加餐】OpenAI开发者大会详解（下）.sz
120.【加餐】GPTs入门介绍.sz
121.【加餐】手把手创建第一个GPTs.sz
122.【加餐】GPTs进阶功能Actions实现方法详解.sz
123.【加餐】定制化数据分析GPTs效果实测.sz
124.Ch 16.26 Planing模块开发注意事项与自动多步function calling.sz
125.Ch 16.27 基于ConnectionError的用户意图挖掘.sz
126.Ch 16.28 单次对话函数get_gpt_response编写流程.sz
127.Ch 16.29 单次任务函数组创建思路.sz
128.Ch 16.30 文本类任务执行函数组创建思路.sz
129.Ch 16.31 function calling任务执行函数组创建思路.sz
130.Ch 16.32 get_chat_reponse代码编写流程.sz
131.Ch 16.33 is_test_response_valid代码编写流程.sz
132.Ch 16.34 is_code_response_valid代码编写流程.sz
133.Ch 16.35 单次对话任务函数组功能测试.sz
134.Ch 16.36 Action模块功能设计.sz
135.Ch 16.37 Action模块代码编写与功能测试.sz
136.Ch 16.38 【总结】MateGen全代码流程快速总结.sz
137.AI Agent企业级项目开发实战.sz
138.OpenAI Embedding技术精讲Part1.sz
139.OpenAI Embedding技术精讲Part2.sz
140.OpenAI Embedding技术精讲Part3.sz
141.Ch 17.1 本地知识库搭建方案综述.sz
142.Ch 17.2 Embedding基本概念入门介绍.sz
Ch 17.10【意图识别实战】高性能大模型零样本意图识别过程.sz
Ch 17.11【意图识别实战】有监督学习下的Function calling识别过程.sz
Ch 17.12【意图识别实战】基于模型融合的意图识别过程.sz
Ch 17.13大模型意图识别全方法总结.sz
Ch 17.3 One-hot、Word2Vec与动态Embedding模型入门介绍.sz
Ch 17.4 OpenAI Embedding模型API调用方法.sz
Ch 17.5 Embedding语意分类与意图识别基础入门.mp4
Ch 17.6 基于Embedding的语意识别实战.sz
Ch 17.7【意图识别实战】数据集介绍与Embedding处理过程.sz
Ch 17.8【意图识别实战】基于Function calling的零样本意图识别.sz
Ch 17.9 【意图识别实战】基于Embedding+机器学习的有监督意图识别过程.sz
GLM Function Calling进阶技巧（下）.sz
【GLM4 Function Call】01 打破大模型当前局限.sz
【GLM4 Function Call】02 智能搜索工具Web_search.sz
【GLM4 Function Call】03 Web_search实现实时汇率换算机制.sz
【GLM4 Function Call】04 函数调用工具Function.sz
【GLM4 Function Call】05 Function Call代码实现全流程.sz
【GLM4 Function Call】06 Function实战应用中的4大核心问题.sz
【GLM4 Function Call】07 意图识别(1) 精准函数搜索与匹配.sz
【GLM4 Function Call】08 意图识别(2) 函数结果的精确返回.sz
【GLM4 Function Call】09 巨量函数库 (1)：超大函数库应对策略.sz
【GLM4 Function Call】10 巨量函数库 (2)：函数构建与token管理.sz
【GLM4】11 巨量函数库 (3)：关键词分割+意图识别函数代码实现.sz
【GLM4】12 巨量函数库 (4)：GLM的知识库与函数库混淆问题.sz
【GLM4】13 巨量函数库 (5)：巨量函数库的Content匹配.sz
【GLM4】14 函数并发调用 (1)：复杂流程prompts的多函数调用 播放量282024.07.18.sz
【GLM4】15 函数并发调用 (2)：任务重复型prompts与异步调用.sz
【GLM4】16 函数并发调用 (3)：Batch API并发用法.sz
【GLM4】17 Q&A.sz
【GLM4】Ch 0.GLM-4入门介绍.sz
【GLM4】Ch 1.GLM在线大模型生态详解.sz
【GLM4】Ch 2.GLM API-Key获取与本地调用方法.sz
【GLM4】Ch 2.GLM调用方法与全参数讲解.sz
【加餐】GPT-4o多模态大模型调用.sz
【正课】开源大模型技术精讲/
Ch 1.1 电脑硬件选配指南.sz
Ch 1.2 GPU选择指南.sz
Ch 1.3 1其他计算机硬件选择指南.sz
Ch 10.1 Qwen模型的批量推理.sz
Ch 10.2 Qwen模型加速推理工具：Linux系统安装FlashAttention2.sz
Ch 10.3 Qwen模型加速推理工具：Win系统安装Flash Attention 2.sz
Ch 13.1.Qwen模型的API使用方法介绍-1.sz
Ch 13.1.Qwen模型的API使用方法介绍.sz
Ch 13.2.Qwen模型的ReAct原理介绍-1.sz
Ch 13.2.Qwen模型的ReAct原理介绍.sz
Ch 13.3.Qwen基于ReAct的函数调用流程逐步拆解（上）-1.sz
Ch 13.3.Qwen基于ReAct的函数调用流程逐步拆解（上）.sz
Ch 13.4.Qwen基于ReAct的函数调用流程逐步拆解（下）-1.sz
Ch 13.4.Qwen基于ReAct的函数调用流程逐步拆解（下）.sz
Ch 13.5.基于ReAct实现Qwen的API服务的外部函数调用-1.sz
Ch 13.5.基于ReAct实现Qwen的API服务的外部函数调用.sz
Ch 14.1 Qwen1.5系列模型介绍及下载方法.sz
Ch 14.2.1 使用transformers直接加载Qwen1.5-7B-Chat模型.sz
Ch 14.2.2 text-generation-webui开源项目介绍.sz
Ch 14.2.3 使用vLLM框架托管Qwen1.5模型的API服务.sz
Ch 15.1 低秩适配（LoRA）原理解读.sz
Ch 15.2 应用实战：使用LoRA微调一个医疗垂直领域的Qwen模型.sz
Ch 15.2.1 LoRA微调后模型的加载方法并进行效果评测.sz
Ch 16.1 Baichuan大模型生态介绍.sz
Ch 16.2.1 Baichuan大模型的私有化部署.sz
Ch 16.2.2(.3) 在线API调用模型及Baichuan2模型私有化部署.sz
Ch 16.2.4(.5.6) 三种方法启动Baichuan2-7B-chat模型.sz
Ch 16.3 开源项目text-generation-webui集成Baichuan2.sz
Ch 17.1 LLaMA-Factory项目深度介绍.sz
Ch 17.2 LLaMA-Factory私有化部署实操.sz
Ch 17.3 使用LLamA Board单卡微调Qwen1.5模型.sz
Ch 17.4(.5) 终端命令行单卡微调Qwen模型与分布式微调.sz
Ch 17.6(.7) 合并LoRA权重并使用新模型进行推理及如何使用自定义数据集.sz
Ch 18.1 LangChain的整体介绍.sz
Ch 18.2(.3) 详解核心模块Model IO及安装LangChain.sz
Ch 18.4 Models IO模块中LLMs类模型接入方法.sz
Ch 18.4.1.2 Models IO模块中Chat Models类模型接入方法.sz
Ch 18.4.2 Models IO模块中的Prompt Template.sz
Ch 18.4.2.2 LangChain中如何构造Few-Shot模板.sz
Ch 18.4.3 LangChain中如何融入Output Parsers.sz
Ch 19.0 LangChain开发实战介绍.sz
Ch 19.1.1(.2) Ollama项目说明.sz
Ch 19.1.3 Ollama本地化部署、启动开源模型的方法.sz
Ch 19.2 LangChain接入Ollama本地启动的大模型.sz
Ch 19.3 Prompts抽象模块的高级功能.sz
Ch 19.3.1 示例选择器的使用方法.sz
Ch 19.3.2 如何自定义示例选择器.sz
Ch 2.1 免费在线GPU算力租赁指南.sz
Ch 2.2 付费在线GPU算力租赁指南.sz
Ch 20.1 OpenAI 新版本API 实现Function Calling的过程.sz
Ch 20.2 LangChain中调用外部工具的方法.sz
Ch 20.3(.1) OutPut Parser的高级使用技巧.sz
Ch 20.3.2 如何自定义输出解析器（OutPut Parser）？.sz
Ch 20.4 Ollama启动的开源模型如何实现工具调用.sz
Ch 21 LangChain框架核心模块Chains详解.sz
Ch 21.1 LangChain的Chains模块中LCEL的使用方法.sz
Ch 21.2 LangChain中如何调用多个外部工具调用.sz
Ch 21.3 基于LCEL构建的Chains模块实现基于Google API的智能收发邮.sz
Ch 22 Chains模块详解（2）：LLMChain与SequentialChain介.sz
Ch 22.1 传统Chain类构造的chains.sz
Ch 22.2.1 LLMChain使用方法介绍(上).sz
Ch 22.2.2 LLMChain使用方法介绍(下).sz
Ch 22.3.1 SequentialChain 介绍及实操（上）.sz
Ch 22.3.2 SequentialChain 介绍及实操（下）.sz
Ch 23 LangChain中Chains模块介绍与回顾.sz
Ch 23.1 Chains中RouterChain的概念和使用方法.sz
Ch 23.1.2 使用LLMChain构建基础路由系统.sz
Ch 23.2 【实战】多链路应用系统的开发流程（上）.sz
Ch 23.3 【实战】多链路应用系统的开发流程（中）.sz
Ch 23.4 【实战】多链路应用系统的开发流程（下）.sz
Ch 23.5 RouterChain实战项目测试总结.sz
Ch 24 LangChain课前回顾与Memory模块介绍.sz
Ch 24.1 Memory模块基本概念认识.sz
Ch 24.2 如何自定义Memory模块.sz
Ch 24.3 将自定义的Memory接入LLMChain.sz
Ch 24.4 自定义支持实体识别的Memory.sz
Ch 24.5 LangChain内置的Memory模块使用方法.sz
Ch 24.6 单独使用Memory的情况介绍.sz
Ch 25 LangChain Agent核心模块的设计架构与应用范式介绍.sz
Ch 25.1 Chains构建链路的优劣势分析.sz
Ch 25.2 LangChain Agent模块的设计理念与整体架构.sz
Ch 25.3 自定义构建OpenAI Tools Agents（上）.sz
Ch 25.4 自定义构建OpenAI Tools Agents（下）.sz
Ch 25.5 大模型的 Agents 应用范式及ReAct原理介绍.sz
Ch 25.6 自定义基于ReAct范式的Agents.sz
Ch 25.7 技术扩展-self ask 和 PAE.sz
Ch 26 RAG基础架构及LangChain Retrieval核心模块应用介绍.sz
Ch 26.1 RAG的构建流程介绍.sz
Ch 26.2 RAG适用的需求场景介绍.sz
Ch 26.3 面向RAG的LangChain开发框架介绍.sz
Ch 26.4 加载外部工具源与通用数据结构（上）.sz
Ch 26.5 加载外部工具源与通用数据结构（下）.sz
Ch 26.6 自定义文档加载器.sz
Ch 27 RAG基础架构回顾及Chunks分块策略引入.sz
Ch 27.1 手动实现Chunks的三种方式.sz
Ch 27.2 LangChain中的Text Splitters介绍与设计.sz
Ch 27.3 CharacterTextSplitters详解实操.sz
Ch 27.4 RecursiveCharacterTextSplitters详解实操.sz
Ch 27.5 特定数据类型&语言的文档切分方法介绍.sz
Ch 28 Embedding 模型与向量数据库在RAG中的应用说明.sz
Ch 28.1 Text Embedding Models的接入和使用方法.sz
Ch 28.2 开源Embedding Models的调用实战.sz
Ch 28.3 向量数据库基本原理介绍.sz
Ch 28.4 Chroma的使用方法介绍.sz
Ch 3 Win&Ubuntu双系统安装方法.sz
Ch 4.1 Ubuntu系统初始化配置方法.sz
Ch 4.2 大模型运行环境配置方法.sz
Ch 4.3 Ubuntu系统ChatGLM3安装.sz
Ch 4.4 ChatGLM3模型部署与运行.sz
Ch 5.1 快速回顾ChatGLM3-6B部署流程.sz
Ch 5.2 多卡启动ChatGLM3-6B.sz
Ch 5.3 ChatGLM3-6B微调实战.sz
Ch 5.4 并行训练框架DeepSpeed实战及语言模型评测基准推荐.sz
Ch 6.1 Windows部署ChatGLM3-6B(上).sz
Ch 6.2 Windows部署ChatGLM3-6B(中).sz
Ch 6.3 Windows部署ChatGLM3-6B(下).sz
Ch 7 ChatGLM3-6B本地化部署Github项目迭代指南.sz
Ch 8.1 Qwen-Chat-7B Ubuntu系统部署（上）.sz
Ch 8.2 Qwen-Chat-7B Ubuntu系统部署（下）.sz
Ch 9.1 Qwen模型本地部署(1)：计算机硬件配置检查.sz
Ch 9.2 Qwen模型本地部署(2)：下载Qwen的项目文件.sz
Ch 9.3 Qwen模型本地部署(3)：下载模型权重文件.sz
Ch 9.4 Qwen模型本地部署(4)：启动模型服务.sz
Ch.11.1 Transformers库使用及模型环境搭建前言.sz
Ch.11.2 大模型开发工具Transformers库.sz
Ch.11.3 两种方法配置大模型开发环境：Jupyter & Pycharm.sz
Ch.11.4 已搭建Qwen开发环境下使用Qwen模型.sz
Ch.11.5 Qwen模型的generate方法.sz
Ch.12.1使用Pycharm配置开发环境.sz
Ch.12.2 安装vLLM框架及初步使用.sz
Ch.12.3.1 手动实现基于vLLM框架的chat()方法功能实现.sz
Ch.12.3.2 history 功能优化及实现多轮对话应用 .sz
Ch.12.4 创建多轮对话机器人及Gradio创建WebUI服务.sz
LangChain项目实战：基于Chains模块的多链路应用系统的构建.sz
【赠送】AIGC工具精讲/
Part 1.1 无缝接入大模型应用.sz
Part 1.2 GPT架构与transformer原理详解.sz
Part 2.1 提示工程之自然语言Prompts.sz
Part 2.2 提示工程之编程语言Prompts.sz
Part 3.1 大模型编程与科研工具.sz
Part 3.2 大模型办公与数据分析工具.sz
Part 4.1 规模化图像生成工具.sz
Part 4.2 ConrtolNet与规模化文案生成工具.sz
【赠送】大模型必备Python基础/
Lesson 1.Hello World!.sz
Lesson 10.列表的常用方法（一）.sz
Lesson 11.列表常用方法（二）.sz
Lesson 12.元组对象的创建与索引.sz
Lesson 13.元组的常用方法.sz
Lesson 14.字典对象的创建与索引.sz
Lesson 15.字典的常用方法.sz
Lesson 16.集合的创建（新）.sz
Lesson 17.集合的常用方法（新）.sz
Lesson 18.冻集合的创建与使用.sz
Lesson 19.控制语句（一）：判别语句.sz
Lesson 2.数值型对象的创建.sz
Lesson 20.控制语句（二）：循环语句.sz
Lesson 21.控制语句（三）：条件循环.sz
Lesson 22.函数（一）：函数的使用.sz
Lesson 23.函数（二）：函数的参数.sz
Lesson 24.函数（三）：变量作用域与lambda函数.sz
Lesson 25.类的创建.sz
Lesson 26.类的方法和继承.sz
Lesson 27.NumPy基础.sz
Lesson 28.NumPy数组的常用方法.sz
Lesson 29.NumPy的广播与科学计算.sz
Lesson 3.数值型对象的科学运算.sz
Lesson 30.Pandas入门.sz
Lesson 31.DataFrame数据结构基础.sz
Lesson 4.布尔型对象.sz
Lesson 5.字符串型对象的创建.sz
Lesson 6.字符串索引.sz
Lesson 7.字符串的常用方法（一）.sz
Lesson 8.字符串常用方法（二）.sz
Lesson 9.列表对象的创建与索引.sz
课件.zip
配套课件.zip