成为VIP
课程介绍
随着大模型的发展，以及越来越多的企业结合大模型进行商业化落地的推进，大模型的应用开发变成了每个人都需要学会和掌握的基本能力，本课程会带大家从 0 到 1 全面掌握大模型的技术体系，能够结合企业需求进行商业化
试看链接 https://pan.baidu.com/s/1gavrXZsMmlee5cI6WfE4Nw?pwd=ue38
相关推荐
AI大模型技术体系课
DeepSeek AI大模型开发全流程：部署.微调.开发
AI大模型算法-从大模型原理剖析到训练(微调)落地实战（完结）
课程目录
第一章 【导学篇】：0基础学习导入
1-1节 AI大模型学习指南
1-2节 AI大模型领域专业名词讲解
第二章 第一阶段（L1）:0基础快速入门AI大模型应用与实战
2-1节 大模型应用开发基础
2-2节 大模型核心概念和基础原理
2-3节 提示词工程(Prompt Engineering)
2-4节 大模型开发应用快速入门
2-5节 掌握Al编程让普通人也能开发各种技术应用
2-6节 掌握Coze玩转Al大模型应用
2-7节 自动化AI工作流原理与实战
2-8节 Dify快速入门到应用实战
2-9节 N8N 快速入门到应用实战
第三章 第二阶段（L2）：AI大模型的企业级应用
3-1节 RAG检索增强生成技术实战
3-2节 Embeddings和向量数据库
3-3节 Embeddings和向量数据库（二）
3-4节 RAG 企业级落地实战优化
3-5节 掌握LangChain实现Al大模型应用
3-6节 大模型应用开发框架Llamalndex
3-7节 LangChain实现企业级Agent智能体
3-8节 AI工作流应用开发实战
3-9节 MCP模型上下文协议概述与应用实战
3-10节 深入浅出 A2A协议以及应用实战
3-11节 AI大模型产品设计与落地
第四章 第三阶段（L3）:AI大模型的工作原理与优化
4-1节 从“NLP 技术”到“Al大模型”
4-2节 探索揭秘神经网络奥秘
4-3节 探索揭秘神经网络奥秘（二）
4-4节 揭秘Transformer的工作原理
4-5节 揭秘Transformer的工作原理（二）
4-6节 深入浅出了解多模态模型
4-7节 国产大模型 DeepSeek深度剖析
4-8节 AI大模型微调实战(上)
4-9节 AI大模型微调实战(中)
4-10节 AI大模型微调项目实战（下）
4-11节 GPU与 CUDA 以及AI大模型企业级部署方案
第五章 第四阶段（L4）:AI大模型的企业级项目实战
5-1节 企业级AI销售助手应用实战
5-2节 企业级教育智能问答助手
5-3节 MCP+LangGraph构建专属 ChatBl数据分析智能助手
5-4节 打造高性能知识增强 RAG 系统
5-5节 从0-1打造多 MCP 协同智能体系统实战
5-6节 留学咨询引导式对话系统项目实战
5-7节 企业级智能医疗问诊小助手
第六章 第五阶段（L5）：从模型训练到模型微调入门到精通
6-1节 大模型微调基础与LLaMA-Factory入门
6-2节 大模型微调实践与优化
6-3节 大模型分布式微调与高级优化
6-4节 模型蒸馏原理与实战
6-5节 大模型高效部署与应用
6-6节 综合实践与未来展望
第七章 【产品篇】AI-Native产品设计
7-1节 认知与价值刻度
7-2节 从设想到最小闭环
7-3节 验证、灰度与上线守则
第八章 【应用篇】：小白从0到1玩转Al Agent独立搭建个性化的智能体应用
8-1节 初识COZE打造自己的第一个工作流：新闻搜索与总结
8-2节 新闻稿创作工作流(循环使用方法)
8-3节 历史人物视频素材生成
8-4节 历史人物自动化剪辑实例
8-5节 智能客服工作流
8-6节 数据分析工作流
8-7节 影刀RPA自动化
第九章 【部署篇】：从0到1实现AI大模型及各类开源组件的环境部署
9-1节 从0到1实现AI大模型及各类开源组件的环境部署
第一十章 【基础篇】：Python快速入门
10-1节 Python、PyCharm安装与配置
10-2节 anaconda环境安装和搭建
10-3节 Python简介
10-4节 Python数据类型
10-5节 Python列表
10-6节 Python元组
10-7节 Python集合
10-8节 Python字典
10-9节 Python条件判断
10-10节 Python循环
10-11节 Python函数定义和调用
10-12节 函数的参数
10-13节 递归和Lambda函数
10-14节 判断结构
10-15节 循环结构
10-16节 函数定义
10-17节 模块与包
10-18节 异常处理模块
10-19节 文件操作
10-20节 类的基本定义
10-21节 类的属性操作
10-22节 时间操作
10-23节 Python练习题-1
10-24节 Python练习题-2
第一十一章 【基础篇】：Python数据科学必备工具包实战
11-1节 1. 科学计算库-Numpy
11-2节 2. 数据分析处理库-Pandas
11-3节 3 .可视化库-Matplotlib
11-4节 4. 可视化库-Seaborn
第一十二章 【实战篇】：LangChain 零基础入门到企业级应用实战
12-1节 LangChain1.0核心新特性快速入门
12-2节 LangChain整体介绍
12-3节 LangChain 提示工程与输出解析
12-4节 LangChain 链开发与代码执行
12-5节 LangChain 实现 RAG 全流程实战
12-6节 LangChain 工具链核心技术入门
12-7节 LangChain Agent 核心功能与多工具调用
12-8节 langchain之memory基本使用
12-9节 SummarizationMiddleware基本使用
12-10节 langchain中间件基础
12-11节 向量检索&BM25介绍
第一十三章 【实战篇】：RAG 入门核心原理到企业级智能交互应用实战
13-1节 课程介绍
13-2节 RAG的概念和LLM的局限性
13-3节 RAG流程
13-4节 PDF文档解析工具
13-5节 文本的切割
13-6节 向量与Embeddings的定义
13-7节 千问embedding调用
13-8节 向量间的相似度计算
13-9节 根据关键字检索
13-10节 向量数据库的介绍
13-11节 ChromaDB演示
13-12节 基于向量检索的RAG实现
13-13节 基于RAG实现智能问答系统
13-14节 虚拟环境介绍
13-15节 Jupyter notebook使用介绍
13-16节 LangChain基本介绍
13-17节 LangChain核心组件介绍
13-18节 LangChain的基本使用
13-19节 提示模版&输出解析器
13-20节 LangChain实现RAG
13-21节 Agent的基本使用
13-22节 LangChain Model10介绍
13-23节 LangChain提示模版之PromptTemplate
13-24节 LangChain提示模版之ChatPromptTemplate
13-25节 LangChain提示模版之少量样本示例的提示模板
13-26节 LangChain Model之Chat Model
13-27节 LangChain Model之文本嵌入模型
13-28节 LangChain输出解析器
13-29节 LangChain链基本使用
13-30节 用LangChain写Python代码并执行来生成答案
13-31节 LangChain链的调用方式
13-32节 LangChain文档链&SQL链的使用
13-33节 Agent是什么
13-34节 LangChain中Agent的使用
13-35节 Agent添加记忆
13-36节 OpenAI Functions Agent
13-37节 Agent调用外部API方法
13-38节 React Agent
13-39节 LangChain之Memory介绍
13-40节 ConversationBufferMemory使用
13-41节 ConversationSummaryMemory使用
13-42节 VectorStoreRetrieverMemory使用
第一十四章 Dify零基础教程
14-1节 环境安装和本地部署Dify
14-2节 AI应用的创建
14-3节 应用工具箱
14-4节 工作流
14-5节 知识库
14-6节 发布应用
第一十五章 常见问题答疑
15-1节 Jupyter Notebook整合Anaconda实现依赖包管理
15-2节 Coze自定义代码节点
15-3节 深入浅出通俗理解什么是MCP
