2025年聚客AI大模型工程师第四期

2025年聚客AI大模型工程师第四期：从入门到精通，构建你的AI应用 🚀

课程目标: 通过本课程，你将掌握AI大模型的全链路开发技能，从Hugging Face核心组件到多模态应用，从模型微调到RAG构建，最终能够独立开发和部署属于你自己的AI应用。你将学习如何利用Bert、GPT2等模型进行情感分析和文本生成，并深入学习大模型微调、压缩、推理部署以及评估等关键技术，最终完成一个基于RAG的实际项目。 🎉

▶️ 授课方式： 网盘在线学习 (视频课程)

课程大纲:

第一阶段：大模型基础与核心组件 (1-3周)

• 第1课：开班典礼 🎊 (课程介绍，学习规划)
• 第2课：Hugging Face核心组件介绍 📚 (学习Hugging Face生态系统，掌握核心组件的使用方法)
• 第3课：基于Bert的中文评价情感分析（训练篇） 🧑‍💻 (学习Bert模型原理及中文情感分析的训练方法)
• 第4课：基于Bert的中文评价情感分析（实现篇） ⚙️ (基于训练好的模型进行情感分析，并学习如何将模型部署到实际应用中)

第二阶段：大模型微调与优化 (4-13周)

• 第5课：GPT2-中文生成模型定制化（训练篇） ✍️ (学习GPT2模型原理及中文文本生成的训练方法)
• 第6课：GPT2-中文生成模型定制化（实现篇） 🗣️ (基于训练好的模型进行文本生成，并学习如何优化生成效果)
• 第7课：本地私有化部署大模型 (Ollama&vLLM&LMDeploy) 🏠 (学习如何将大模型部署到本地服务器，实现私有化部署)
• 第8课：大模型微调（使用LLama Factory微调Qwen） 🔄 (学习使用LLama Factory对Qwen模型进行微调)
• 第9课：大模型微调(LLama Factory自定义微调数据集) 🛠️ (学习如何创建和使用自定义数据集进行大模型微调)
• 第10课：大模型微调(QLora微调&GGUF模型转换) 🚄 (学习QLora微调技术以及GGUF模型转换方法，提高微调效率)
• 第11课：大模型微调(LLama Factory微调效果与vllm部署效果不一致如何解决) 🐞 (解决微调与部署过程中可能遇到的问题)
• 第12课：大模型微调分布式训练(LLama Factory与Xtuner分布式微调大模型) 🌐 (学习如何使用分布式训练加速大模型微调)
• 第13课：大模型压缩训练(知识蒸馏) 🔬 (学习知识蒸馏技术，压缩大模型模型大小，提高推理效率)
• 第14课：大模型推理部署(分布式推理与量化部署) 🚀 (学习如何进行大模型的推理部署，包括分布式推理和量化部署)
• 第15课：大模型评估测试(OpenCompass) 📊 (学习如何使用OpenCompass对大模型进行评估)

第三阶段：RAG与多模态应用 (14-28周)

• 第16课：大模型微调项目实战（情绪对话模型-数据工程篇） 🗂️ (基于实际项目，学习数据工程在模型微调中的应用)
• 第17课：大模型微调项目实战（情绪对话模型-最终效果） ✨ (完成情绪对话模型的构建，并评估模型效果)
• 第18课：Llamaindex快速构建RAG 📚 (学习使用Llamaindex快速构建检索增强生成模型)
• 第19课：Llama_index RAG进阶_Embedding_model与Chroma 🧩 (学习Llama index的高级用法，包括Embedding模型和Chroma的使用)
• 第20课：Llama_index RAG进阶_文档切分与重排序 ✂️ (学习如何进行文档切分和重排序，优化RAG效果)
• 第21课：Dify实现RAG 🧰 (学习使用Dify构建RAG应用)
• 第22课：RAGFlow 🌊 (学习RAGFlow框架的使用)
• 第23课：基于RAG的法律条文智能助手(方案篇) ⚖️ (学习如何设计基于RAG的法律条文智能助手)
• 第24课：基于RAG的法律条文智能助手-实现与部署 💻 (实现并部署法律条文智能助手)
• 第25课：基于RAG的法律条文智能助手-微调与部署 🔄 (对法律条文智能助手进行微调和部署优化)
• 第26课：Dify构建Agent 🤖 (学习使用Dify构建AI Agent)
• 第27课：LangGraph构建多智能体 🤝 (学习使用LangGraph构建多智能体系统)
• 第28课：DeepSeekl原理与应用 🔎 (学习DeepSeekl的原理和应用)
• 第29课：多模态大模型应用 🖼️🗣️ (学习多模态大模型的应用)

。