从0到1学习AI开发：涵盖RAG,embedding,rerank等技术，助力行业落地

1 S2 z- |4 ~+ ^/ ]( M3 c. H  i6 _
课程内容：
资料
企业RAG技术实战.pdf
ai认知课.pdf
# f6 C% Q% l0 @7 P8 nembedding技术.pdf
* H$ u9 U! s7 \/ H( Qrerank技术.pdf
llama-factory微调.pdf
13_第五课：模块化RAG（一）顺序模式，条件模式，分支模式.mp4
11_第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE.mp4
% B2 a' v* O$ a3 P37_第十一课：Langgraph多Agent架构：协作多Age.mp4
8_第五课：模型部署（模型合并导出与量化，本地部署）.mp4
29_第三课：Agent平台：国内外主流平台，Coze搭建智能客服.mp4
33_第七课：Agent设计模式（三）：Reflexion，LAT.mp4
8 Q! Y9 i  n5 H4 `# B/ B9 M8 u15_第七课：Embedding原理：word2vec、CBOW.mp4
' C$ _: F! x7 p  }16_第八课：Embedding模型训练：llamaindex微调.mp4
21_第十三课：相似性搜索算法：k-means，肘部法则.mp4
6 G  h4 m# M/ ~# K( a5 M1_第一课：人工智能介绍：迭代路径，大模型进化树，技术分类.mp4
& [' d: M0 i+ H35_第九课：Langchain项目原理与实战.mp4
$ E0 B$ N/ B) z. a: V' `/ h9 C* [5_第二课：微调数据集准备（SFT继续预训练，偏好优化）.mp4
17_第九课：Embedding模型评估：MRR评测，MTEB评测.mp4
  E8 e; {7 F  ^23_第十五课：向量数据库选型：专用向量数据库，传统数据库支持向量.mp4
10_第二课：NaiveRAG与langchain实践.mp4
" ?, @) {2 a' q8 _+ r+ ^39_第十三课：AutoGen项目原理与实战（二）：代码执行，工具.mp4
. y$ S5 n. r1 V' R2 n12_第四课：高级RAG（二）提示词压缩，融合，llamainde.mp4
30_第四课：Agent工具使用与functioncall：MR.mp4
9_第一课：RAG技术原理与RAGFlow项目实操.mp4
27_第一课：Agent原理简介：planning、memory、.mp4
) S1 f! U" q) N: `+ a5 M22_第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH.mp4
24_第十六课：向量数据库代码示例：chroma与qdrant代码.mp4
4 @/ t, L9 K/ q! F9 |/ m8 n1 c' a( R20_第十二课：向量数据库简介与相似性测量：欧式距离，余弦相似度.mp4


9 o9 O- r' D; m5 j& E9 X+ [. X

游客，如果您要查看本帖隐藏内容请回复