首页 > 其他分享 >炸裂!人人需要一份AI大模型学习路线!

炸裂!人人需要一份AI大模型学习路线!

时间:2024-08-09 10:52:56浏览次数:14  
标签:模态 RAG AI 模型 微调 Agent 炸裂 人人

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

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。

以上的AI大模型学习路线,不知道为什么发出来就有点糊,高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

以上的AI大模型学习资料,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

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

本文转自 https://blog.csdn.net/a2875254060/article/details/140475545?spm=1001.2014.3001.5501,如有侵权,请联系删除。

标签:模态,RAG,AI,模型,微调,Agent,炸裂,人人
From: https://blog.csdn.net/2401_84206094/article/details/141055592

相关文章

  • 解锁AI新纪元:Milvus Cloud与Zilliz Cloud的高可用之道
    在当今数字化时代,系统的持续稳定运行与数据的即时访问性已成为衡量技术服务质量的关键指标。面对复杂多变的运行环境,包括电力波动、网络故障乃至人为操作失误等不可预见因素,数据库系统的高可用性(HighAvailability,HA)成为了保障业务连续性的重要基石。特别是在大数据与人工智......
  • Local All-Pair Correspondence for Point Tracking 中英对照
    论文来自:https://ku-cvlab.github.io/locotrack/LocalAll-PairCorrespondenceforPointTracking局部全对应对点跟踪SeokjuCho\({}^{1}\),JiahuiHuang\({}^{2}\),JisuNam\({}^{1}\),HonggyuAn\({}^{1}\),Seungryong\({\mathrm{{Kim}}}^{1,\dagger}\),......
  • AIGC图生视频技术下的巴黎奥运高光时刻
    共享,奥运夺金时刻。  巴黎奥运会的高光片段中国奥运的夺金时刻动漫风格下的别样风态以下AI动漫视频内容BY阿里云视频云智能生成从首金到21金镜头倒转尽情回顾......  更多巴黎奥运高光时刻更多AIGC精彩内容可在新华社官方新媒体账......
  • 真想转行做大模型?AI产品经理们,先看看这份指南
    如果你想转行做大模型,作为一名AI产品经理,你可以怎么做呢?或许,你可以先进行自我检测,看看自己是否真的适合转行做大模型。这篇文章里,作者便给想转行做大模型的AI产品经理们提出了一些建议,不妨来看看吧。作为一个产品经理,你可能已经熟悉了一些常见的AI技术和应用,比如机器学......
  • AI新玩法!阿里云联合优酷跨界打造Create@AI江湖创作大赛
    随着网剧《少年白马醉春风》的热播,许多人心中的江湖梦被唤醒,渴望踏入那个充满传奇色彩的影视世界,体验一段属于自己的江湖之旅。在AIGC技术日益成熟的今天,这一梦想变得触手可及。阿里云携手优酷,发起了Create@AI江湖创作大赛,将网剧《少年白马醉春风》这一热门影视IP与阿里云......
  • 【学习日记3】DAIL-SQL论文:Text-to-SQL Empowered by Large Language Models: A Bench
    PS:自己回顾用的ABSTRACT        大型语言模型(LLMs)已成为Text-to-SQL任务的新模式。然而,缺乏系统的基准测试限制了有效、高效和经济的基于LLM的Text-to-SQL方案的发展。为了解决这一挑战,本文首先对现有的提示工程方法进行了系统且广泛的比较,包括问题表示、示例......
  • 从零入门AI生图原理&实践 跑通最简的Baseline
    目录下载baseline文件(大约需要2分钟)进入文件夹,打开baseline文件安装环境,然后重启kernel调整prompt,设置你想要的图片风格,依次修改8张图片的描述依次顺序运行剩余的代码块,点击代码框左上角执行按钮,最终获得图片(大约需要20分钟)下载baseline文件(大约需要2分钟)gitlfsinsta......
  • 配置 Containerd 在 harbor 私有仓库拉取镜像
    unexpectedstatuscode[manifests1.28]:401Unauthorized【问题描述】下载Harbor中的私有镜像时报错:[root@lidabaiapp]#ctr-nharbor.lidabaiimagespull192.168.2.22:443/lidabai/busybox:1.28-kctr:failedtoresolvereference"192.168.2.22:443/lidabai/busyb......
  • 2024最新ai视频代码
    importcv2#加载预训练模型(例如YOLOv3)net=cv2.dnn.readNet("yolov3.weights","yolov3.cfg")#加载COCO数据集类别标签withopen("coco.names","r")asf:classes=[line.strip()forlineinf.readlines()]#配置模型的输入和输出layer_na......
  • Python和AI库NumPy(二):数组创建与操作的深入探索
    目录1.数组创建1.1基本数组创建1.2使用内置函数创建数组1.3特殊数组的创建2.数组的基本操作2.1数组属性2.2数组索引和切片2.3数组的形状操作2.4数组拼接与分割3.数组的数学操作3.1基本算术操作3.2广播机制3.3线性代数运算4.高级数组操作4.1花式......