震撼推荐!每个人都不可或缺的AI大模型学习攻略!

23年 AI 大模型技术狂飙一年后,24年 AI 大模型的应用已经在爆发,因此掌握好 AI 大模型的应用开发技术就变成如此重要,那么如何才能更好地掌握呢?一份 AI 大模型详细的学习路线就变得非常重要!

由于 AI 大模型应用技术比较新,业界也没什么参照标准,打造 AI 大模型技术的学习路线并非一件容易的事,我和团队花费了6个多月时间,边整理、边摸索、边实践打造了业界首份 AI 大模型学习路线。

这份完整的AI大模型学习路线,都已上传至CSDN,需要的小伙伴可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

在这里插入图片描述

AGI大模型应用开发学习路线

第一阶段 · 大模型开发基础

第一章:AI新篇章
  1. 为什么要学习大模型开发?
  2. 需要准备的工具和环境
第二章:大模型的训练与应用
  1. 大模型发展史
  2. 从大模型预训练、微调到应用
  3. GPT结构剖析
  4. 大模型家族、类别、应用场景
  5. RAG,Agent与小模型
第三章:大模型实操与API调用
  1. 通过API调用大模型
  2. 单论对话与多轮对话调用
  3. 开源模型与闭源模型调用
  4. ChatGLM,Baichuan,Yi-34B调用
  5. GPT,LLaMA模型调用
  6. 模型的部署、容器化
第四章:提示工程技术(1)
  1. 提示词的常见结构
  2. 提示词的模版化
  3. Zero-shot与Few-shot
  4. In-context learning
  5. Chain of thought prompting
第五章:提示工程技术(2)
  1. Tree of thought prompting
  2. Graph of thought promting
  3. Self-consistency
  4. Active-prompt
  5. Prompt chaining

第二阶段 · RAG基础与架构

第六章:RAG基础与架构
  1. 为什么需要RAG?
  2. RAG的经典应用场景
  3. RAG的经典结构与模块
  4. 向量数据库
  5. 检索与生成
第七章:【项目实战】基于RAG的PDF文档助
  1. 产品介绍与核心功能
  2. 技术方案与架构设计
  3. 文档读取和解析
  4. 文档的切分和文档向量化
  5. query搜索与文档排序
  6. 提示模版与大模型API接入
  7. 模型部署与Web应用
第八章:文档切分常见算法
  1. 根据每个Sentence切分
  2. 根据固定字符数切分
  3. 根据固定sentence数切分
  4. 根据递归字符来切分
  5. 根据语义相似度来切分
第九章:向量数据库常见算法
  1. 常用向量数据库以及类别
  2. 向量数据库与索引算法
  3. 到排表与搜索优化
  4. KNN与近似KNN
  5. Product Quantization
第十章:向量数据库算法进阶- HSNW
  1. HSNW算法在索引中的重要性
  2. NSW算法解读
  3. NSW图中的搜索问题
  4. Skip List讲解
  5. 具有层次结构的NSW
第十一章:【项目实战】基于RAG的新闻推荐
  1. 推荐系统原理、应用场景以及架构剖析
  2. 传统推荐算法与基于LLM推荐算法
  3. 新闻数据的准备与整理
  4. 推荐中的召回与精排
  5. 精排与Prompt构建
  6. 模型部署与测试

第三阶段 · RAG与LangChain

第十二章:LangChain基础应用
  1. 为什么需要LangChain?
  2. 通过一个小项目快速理解各个模块
  3. LangChain调用模型
  4. PromptTemplate的应用
  5. 输出格式设定
  6. Pydantic Object设计
第十三章:理解Function Calling
  1. 什么是 Function Calling
  2. 自定义输出结构
  3. 基于OpenAI调用Function Calling
  4. Function Calling的稳定性
  5. LangChain与Function Calling
第十四章:LangChain与Retrieval组件
  1. Document Loaders
  2. Text Splitters
  3. Text Embedding模型
  4. 常用的向量数据库调用
  5. 常用的Retriever
第十五章:LangChain与Chain组件
  1. 为什么需要Chain?
  2. LLMChain, Sequential Chain
  3. Transform Chain
  4. Router Chain
  5. 自定义Chain
第十六章:Advanced RAG(1)
  1. 经典RAG的几个问题
  2. Self-querying retrieval
  3. MultiQuery retriever
  4. Step-back prompting
  5. 基于历史对话重新生成Query
  6. 其他Query优化相关策略
第十七章:Advanced RAG(2)
  1. Sentence window retrieval
  2. Parent-child chunks retrieval
  3. Fusion Retrieval
  4. Ensemble Retrieval
  5. RPF算法
第十八章:基于RAGAS的RAG的评估
  1. 为什么需要评估RAG
  2. RAG中的评估思路
  3. 评估指标设计
  4. 套用在项目中进行评估
  5. RAGAS评估框架的缺点
第十九章:实战基于Advanced RAG的PDF问答
  1. 需求理解和系统设计
  2. 经典RAG架构下的问题
  3. 检索器优化
  4. 生成器优化
  5. 系统部署与测试

第四阶段 · 模型微调与私有化大模型

第二十章:开源模型介绍
  1. 模型私有化部署的必要性
  2. 中英开源模型概览与分类
  3. ChatGLM, Baichuan,Yi等中文开源模型
  4. LLaMA,Mistral系列英文开源模型
  5. 微调所需要的工具和算力
第二十一章:模型微调基础
  1. 判断是否需要模型微调
  2. 模型微调对模型的影响和价值
  3. 选择合适的基座模型
  4. 数据集的准备
  5. 微调训练框架的选择
第二十二章:GPU与算力
  1. GPU与CPU
  2. GPU的计算特性
  3. 微调所需要的算力计算公式
  4. 常见GPU卡介绍与比较
  5. 搭建GPU算力环境
第二十三章:高效微调技术-LoRA
  1. 全量微调与少量参数微调
  2. 理解LoRA训练以及参数
  3. PEFT库的使用
  4. LoRA训练硬件资源评估
  5. 认识QLoRA训练
第二十四章:【项目实战】基于ChatGLM-6B+LoRA对话微调模型
  1. 理解ChatGLM模型家族以及特性
  2. 导入模型以及tokenizer
  3. 设计模型参数以及LoRA参数
  4. 训练以及部署微调模型
  5. 测试微调模型

第五阶段 · Agent开发

第二十五章:Agent开发基础
  1. 什么是Agent
  2. 什么是Plan, Action, Tools
  3. 经典的Agent开源项目介绍
  4. 编写简单的Agent程序
  5. Agent目前面临的挑战与机遇
第二十六章:自定义Agent工具
  1. LangChain所支持的Agent
  2. 什么需要自定义Agent
  3. @tool decorator的使用
  4. 编写自定义Agent工具
  5. 编写完整的Agent小项目
第二十七章:深入浅出ReAct框架
  1. 回顾什么是CoT
  2. CoT和Action的结合
  3. 剖析ReAct框架的Prompt结构
  4. 从零实现ReAct(from Scratch)
  5. ReAct框架的优缺点分析
第二十八章:【项目实战】开源Agent项目
  1. 开源Agent项目以及分类
  2. AutoGPT项目讲解
  3. MetaGPT项目讲解
  4. 其他开源项目
  5. Agent技术目前存在的问题
第二十九章:深度剖析Agent核心部件
  1. Agent的planning
  2. Agent的reasoning
  3. Agent的knowledge
  4. Agent的memory
  5. Agent的泛化能力
第三十章:【项目实战】基于Agent的AI模拟面试
  1. 需求设计和系统设计
  2. 工具的设计
  3. AI面试中的深度询问方案设计
  4. 提示工程设计
  5. Memory的设计
  6. 智能体开发与部署
第三十一章:Agent其他案例分享
  1. AI旅游规划师
  2. AI产品销售
  3. AI房租推荐
  4. AI图像处理
  5. AI网站开发
第三十二章:其他Agent前沿应用
  1. 多个Agent的协同
  2. Agent的group行为
  3. Agent Society
  4. Agent的Personality
  5. 斯坦福小镇案例

第六阶段 · 智能设备与“小”模型

第三十三章:智能设备上的模型优化基础
  1. 智能设备特性以及资源限制
  2. 模型优化的必要性
  3. 常见的模型压缩技术
  4. 轻量级模型架构介绍
  5. 开源小模型
第三十四章:模型在智能设备上的部署
  1. 多大的模型适合
  2. 部署流程概述
  3. 模型转换工具
  4. 模型部署实战
  5. 性能测试与优化
第三十五章:边缘计算中的大模型挑战与机遇
  1. 边缘计算的概念和重要性
  2. 模型所要满足的要求与性能上的平衡
  3. 模型在边缘设备上的应用案例
  4. 未来“小”模型发展趋势
  5. 24年“小”模型机会

第七阶段 · 多模态大模型开发

第三十六章:多模态大模型基础
  1. 什么是多模态模型
  2. 多模态的应用场景
  3. DALLE-3与Midjourney
  4. Stable Diffusion与ControlNet
  5. 语音合成技术概述
  6. 主流TTS技术剖析
第三十七章:多模态模型项目剖析
  1. 多模态大模型最新进展
  2. Sora对多模态大模型会产生什么影响
  3. 案例:MiniGPT-4与多模态问答
  4. 案例:BLIP与文本描述生成
  5. 案例:Video-LLaVA与多模态图像视频识别
第三十八章:大模型的挑战与未来
  1. 大模型技术局限性
  2. 大模型的隐私性和准确性
  3. 大模型和AGI未来
  4. GPT商城的机会
  5. 多模态的机会
  6. 对于开发工程师未来的启示

一般掌握到第四个级别,市场上大多数岗位都是可以胜任,但要还不是天花板,天花板级别要求更加严格,对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。

但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来

😝有需要的小伙伴,可以V扫描下方二维码免费领取🆓
在这里插入图片描述

  • 8
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值