AI大模型应用开发模型训练落地夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

• file:37_第十一课：Langgraph多Agent架构：协作多Age .mp4
• file:15_第七课：Embedding原理：word2vec、CBOW .mp4
• file:4_第一课：大模型微调llama-factory环境准备 .mp4
• file:17_第九课：Embedding模型评估：MRR评测，MTEB评测 .mp4
• file:29_第三课：Agent平台：国内外主流平台，Coze搭建智能客服 .mp4
• file:19_第十一课：Rerank模型微调与实践（二）rankGPT .mp4
• file:11_第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE .mp4
• file:7_第四课：模型评估（批量推理与自动评估benchmark） .mp4
• file:26_第十八课：RAG行业落地：实践心得，落地经验，业务场景 .mp4
• file:30_第四课：Agent工具使用与functioncall：MR .mp4
• file:22_第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH .mp4
• file:5_第二课：微调数据集准备（SFT 继续预训练，偏好优化） .mp4
• file:8_第五课：模型部署（模型合并导出与量化，本地部署） .mp4
• file:3_第三课：AI开发环境（python、conda、vscode .mp4
• file:12_第四课：高级RAG（二）提示词压缩，融合，llamainde .mp4
• file:6_第三课：微调过程lora微调与Qlora微调 .mp4
• file:24_第十六课：向量数据库代码示例：chroma与qdrant代码 .mp4
• file:36_第十课：Langgraph项目原理与实战 .mp4
• file:33_第七课：Agent设计模式（三）：Reflexion，LAT .mp4
• file:38_第十二课：AutoGen项目原理与实战（一）：AutoGen .mp4
• file:34_第八课：Agent框架：SingleAgent，Multi .mp4
• file:21_第十三课：相似性搜索算法：k-means，肘部法则 .mp4
• file:27_第一课：Agent原理简介：planning、memory、 .mp4
• file:25_第十七课：RAG评估：评估指标，RAGAs，TruLens .mp4
• file:10_第二课：NaiveRAG与langchain实践 .mp4
• file: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
• file:14_第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc .mp4
• file:llama-factory微调.pdf
• file:embedding技术.pdf
• file:企业RAG技术实战.pdf
• file:ai认知课.pdf
• folder:AI大模型应用开发模型训练落地
• folder:资料