AI开发全解_从0到1掌握RAG、Embedding与Rerank技术

AI开发全解_从0到1掌握RAG、Embedding与Rerank技术

课程内容：

资料：

• 企业RAG技术实战.pdf
• AI认知课.pdf
• embedding技术.pdf
• rerank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
• 37_第十一课：Langgraph多Agent架构：协作多Agent.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
• 15_第七课：Embedding原理：word2vec、CBOW.mp4
• 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
• 1_第一课：人工智能介绍：迭代路径，大模型进化树，技术分类.mp4
• 35_第九课：Langchain项目原理与实战.mp4
• 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
• 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
• 39_第十三课：AutoGen项目原理与实战（二）：代码执行，工具.mp4
• 12_第四课：高级RAG（二）提示词压缩、融合，llamaindex.mp4
• 30_第四课：Agent工具使用与function call：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
• 22_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
• 20_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
• 28_第二课：提示词工程：软提示词，fewshot，COT、TOT.mp4
• 34_第八课：Agent框架：SingleAgent，Multi.mp4
• 25_第十七课：RAG评估：评估指标，RAGAs，TruLens.mp4
• 6_第三课：微调过程：lora微调与Qlora微调.mp4
• 7_第四课：模型评估（批量推理与自动评估benchmark）.mp4
• 31_第五课：Agent设计模式（一）：Fewshot，ReAct.mp4
• 40_第十四课：CrewAI项目原理与实战：Crew Task A.mp4
• 14_第六课：模块化RAG（二）迭代、递归检索，FLARE，Toc.mp4
• 19_第十一课：Rerank模型微调与实践（二）：rankGPT.mp4
• 26_第十八课：RAG行业落地：实践心得，落地经验，业务场景.mp4
• 38_第十二课：AutoGen项目原理与实战（一）：AutoGen.mp4
• 18_第十课：Rerank技术原理与实践（一）：交叉编码与双编码.mp4
• 2_第二课：柏拉图表征假说与scaling law：KM缩放定律.mp4
• 4_第一课：大模型微调llama-factory环境准备.mp4
• 32_第六课：Agent设计模式（二）：REWOO，LLMComp.mp4
• 3_第三课：AI开发环境（Python、Conda、VSCode）.mp4
• 36_第十课：Langgraph项目原理与实战.mp4

学习：