课程目录：
│ 1.01、人工智能介绍：迭代路径，大模型进化树，技术分类.mp4
│ 1.02、柏拉图表征假说与scalinglaw：KM缩放定律.mp4
│ 1.03、AI开发环境（python、conda、vscode.mp4
│ 2.01、大模型微调llama-factory环境准备.mp4
│ 2.02、微调数据集准备（SFT 继续预训练，偏好优化）.mp4
│ 2.03、微调过程lora微调与Qlora微调.mp4
│ 2.04、模型评估（批量推理与自动评估benchmark）.mp4
│ 2.05、模型部署（模型合并导出与量化，本地部署）.mp4
│ 3.01、RAG技术原理与RAGFlow项目实操.mp4
│ 3.02、NaiveRAG与langchain实践.mp4
│ 3.03、高级RAG（01）层次索引，句子窗口，子查询，HyDE.mp4
│ 3.04、高级RAG（02）提示词压缩，融合，llamainde.mp4
│ 3.05、模块化RAG（01）顺序模式，条件模式，分支模式.mp4
│ 3.06、模块化RAG（02）迭代，递归检索，FLARE，Toc.mp4
│ 3.07、Embedding原理：word2vec、CBOW.mp4
│ 3.08、Embedding模型训练：llamaindex微调.mp4
│ 3.09、Embedding模型评估：MRR评测，MTEB评测.mp4
│ 3.10、Rerank技术原理与实践（01）交叉编码与双编码.mp4
│ 3.11、Rerank模型微调与实践（02）rankGPT.mp4
│ 3.12、向量数据库简介与相似性测量：欧式距离，余弦相似度.mp4
│ 3.13、相似性搜索算法：k-means，肘部法则.mp4
│ 3.14、近似邻近算法与过滤向量：PQ量化，HNSW，LSH.mp4
│ 3.15、向量数据库选型：专用向量数据库，传统数据库支持向量.mp4
│ 3.16、向量数据库代码示例：chroma与qdrant代码.mp4
│ 3.17、RAG评估：评估指标，RAGAs，TruLens.mp4
│ 3.18、RAG行业落地：实践心得，落地经验，业务场景.mp4
│ 4.01、Agent原理简介：planning、memory、.mp4
│ 4.02、提示词工程：软提示词，fewshot，COT TOT.mp4
│ 4.03、Agent平台：国内外主流平台，Coze搭建智能客服.mp4
│ 4.04、Agent工具使用与functioncall：MR.mp4
│ 4.05、Agent设计模式（01）：Fewshot，ReAct.mp4
│ 4.06、Agent设计模式（02）：REWOO，LLMComp.mp4
│ 4.07、Agent设计模式（03）：Reflexion，LAT.mp4
│ 4.08、Agent框架：SingleAgent，Multi.mp4
│ 4.09、Langchain项目原理与实战.mp4
│ 4.10、Langgraph项目原理与实战.mp4
│ 4.11、Langgraph多Agent架构：协作多Age.mp4
│ 4.12、AutoGen项目原理与实战（01）：AutoGen.mp4
│ 4.13、AutoGen项目原理与实战（02）：代码执行，工具.mp4
│ 4.14、CrewAI项目原理与实战：Crew Task A.mp4
│
└─课程资料
ai认知课.pdf
embedding技术.pdf
llama-factory微调.pdf
rerank技术.pdf
企业RAG技术实战.pdf
