課程內容：

資料

企業RAG技術實戰.pdf

ai認知課.pdf

embedding技術.pdf

rerank技術.pdf

llama-factory微調.pdf

13_第五課：模塊化RAG（一）順序模式，條件模式，分支模式.mp4

11_第三課：高級RAG（一）層次索引，句子窗口，子查詢，HyDE.mp4

37_第十一課：Langgraph多Agent架構：協作多Age.mp4

8_第五課：模型部署（模型合并導出與量化，本地部署）.mp4

29_第三課：Agent平臺：國內外主流平臺，Coze搭建智能客服.mp4

33_第七課：Agent設計模式（三）：Reflexion，LAT.mp4

15_第七課：Embedding原理：word2vec、CBOW.mp4

16_第八課：Embedding模型訓練：llamaindex微調.mp4

21_第十三課：相似性搜索算法：k-means，肘部法則.mp4

1_第一課：人工智能介紹：迭代路徑，大模型進化樹，技術分類.mp4

35_第九課：Langchain項目原理與實戰.mp4

5_第二課：微調數據集準備（SFT繼續預訓練，偏好優化）.mp4

17_第九課：Embedding模型評估：MRR評測，MTEB評測.mp4

23_第十五課：向量數據庫選型：專用向量數據庫，傳統數據庫支持向量.mp4

10_第二課：NaiveRAG與langchain實踐.mp4

39_第十三課：AutoGen項目原理與實戰（二）：代碼執行，工具.mp4

12_第四課：高級RAG（二）提示詞壓縮，融合，llamainde.mp4

30_第四課：Agent工具使用與functioncall：MR.mp4

9_第一課：RAG技術原理與RAGFlow項目實操.mp4

27_第一課：Agent原理簡介：planning、memory、.mp4

22_第十四課：近似鄰近算法與過濾向量：PQ量化，HNSW，LSH.mp4

24_第十六課：向量數據庫代碼示例：chroma與qdrant代碼.mp4

20_第十二課：向量數據庫簡介與相似性測量：歐式距離，余弦相似度.mp4

28_第二課：提示詞工程：軟提示詞，fewshot，COT TOT.mp4

34_第八課：Agent框架：SingleAgent，Multi.mp4

25_第十七課：RAG評估：評估指標，RAGAs，TruLens.mp4

6_第三課：微調過程lora微調與Qlora微調.mp4

7_第四課：模型評估（批量推理與自動評估benchmark）.mp4

31_第五課：Agent設計模式（一）：Fewshot，ReAct.mp4

40_第十四課：CrewAI項目原理與實戰：Crew Task A.mp4

14_第六課：模塊化RAG（二）迭代，遞歸檢索，FLARE，Toc.mp4

19_第十一課：Rerank模型微調與實踐（二）rankGPT.mp4

26_第十八課：RAG行業落地：實踐心得，落地經驗，業務場景.mp4

38_第十二課：AutoGen項目原理與實戰（一）：AutoGen.mp4

18_第十課：Rerank技術原理與實踐（一）交叉編碼與雙編碼.mp4

2_第二課：柏拉圖表征假說與scalinglaw：KM縮放定律.mp4

4_第一課：大模型微調llama-factory環境準備.mp4

32_第六課：Agent設計模式（二）：REWOO，LLMComp.mp4

3_第三課：AI開發環境（python、conda、vscode.mp4

36_第十課：Langgraph項目原理與實戰.mp4