课程介绍：

博学谷·AI大模型训练营第一期提供了全面的大模型技术培训，包括理论教学和实战项目。课程覆盖了从大模型的基础概念到具体应用的各种主题，并通过多个行业案例深入讲解了如何利用大模型解决实际问题。

开营仪式后，学员们首先学习了Python基础和大模型相关的前置知识，随后逐步深入到大模型的架构、主流模型介绍以及prompt-tuning方法。课程还包含了多个基于不同领域的项目实践，例如金融行业的动态风向评估、电商领域的虚拟试衣系统、物流行业的智能问答系统等。

在项目实施过程中，学员不仅能够接触到如BERT、PET、P-Tuning等技术的应用，还能了解如何使用ChatGLM-6B等先进的语言模型来解决问题。此外，课程还介绍了LangChain框架的使用方法，并通过实际操作掌握了稳定扩散（Stable Diffusion）等图像生成模型的应用。

整个训练营结合了视频教程、源码分析、实操项目等多种学习材料，旨在帮助学员掌握大模型的开发与应用技能。通过这些实践，学员可以更好地理解大模型的工作原理并应用于具体的业务场景中。

课程截图：

课程目录：

  • 1-1 开班仪式+python前置课程串讲.mp4
  • 1-2 大模型前置知识.mp4
  • 1-3 大模型前置知识.mp4
  • 1-4 大模型基础知识.mp4
  • 1-5 大模型主要类别架构.mp4
  • 1-6 主流大模型介绍及大模型prompt-tuning方法入门.mp4
  • 1-6 主流大模型介绍及大模型prompt-tuning方法入门2.mp4
  • 1-7 主流大模型介绍及大模型prompt-tuning方法入门.mp4
  • 1-8 大模型prompt-tuning方法进阶.mp4
  • 1-9 大模型提示词工程应用.mp4
  • 1-10 【项目1】金融行业动态风向评估.mp4
  • 1-11 【项目1】金融行业动态风向评估.mp4
  • 1-12 【项目2】电商领域虚拟试衣系统.mp4
  • 1-13 【项目2】电商领域虚拟试衣系统.mp4
  • 1-14 【项目3】物流行业信息咨询智能问答系统.mp4
  • 1-15 【项目3】物流行业信息咨询智能问答系统.mp4
  • 1-16 【项目3】物流行业信息咨询智能问答系统 2024.03.05.mp4
  • 1-17 【项目3】物流行业信息咨询智能问答系统(2024.03.07).mp4
  • 1-18 【项目4】大健康行业智能问诊系统(2024.03.10).mp4
  • 1-19 20 【项目4】大健康行业智能问诊系统.mp4
  • 1-21【项目5-1】新零售行业评价决策系统【基于bert+pet方式】.mp4
  • 1-22【项目5-2】新零售行业评价决策系统【基于bert+p-tuning方式】.mp4
  • 1-23【项目5-2】新零售行业评价决策系统【基于bert+p-tuning方式】.mp4
  • 1-24 【项目6】新媒体行业评论智能分类与信息抽取系统.mp4
  • 1-25 【项目6】新媒体行业评论智能分类与信息抽取系统.mp4
  • 1-26 stable diffusion多模态大模型应用实战.mp4
  • 1-27 stable diffusion多模态大模型应用实战.mp4
  • 1-28 stable diffusion多模态大模型应用实战.mp4
  • 1-29 stable diffusion多模态大模型应用实战.mp4
  • 1-30 stable diffusion多模态大模型应用实战.mp4
  • 1-31 文心一言& 百度千帆大模型平台.mp4
  • 1-32 文心一言& 百度千帆大模型平台.mp4
  • 1-33 讯飞星火大模型+星火微调平台应用.mp4
  • 1-34 讯飞星火大模型+星火微调平台应用.mp4
  • 1-35 综合项目与项目路演+【拓展】ai论文导读与论文撰写.mp4
  • 直播资料
  • 1月27日
  • 00-深度学习简介.pdf
  • 01-pytorch基本使用.pdf
  • 1月30日
  • 部分截图
  • ppl公式解析.png
  • 神经网络语言模型介绍.png
  • 项目开发人员配置.jpg
  • 指标解析.png
  • 代码
  • llm_base
  • __init__.py
  • bleu_demo.py
  • ppl_demo.py
  • rouge_demo.py
  • 课件
  • 01-llm基础知识.pdf
  • 作业
  • 作业.txt
  • 大模型项目研发流程.pdf
  • 2月1日
  • 课件+预习
  • 01-chatgpt模型原理介绍.pdf
  • 02-llm主要架构介绍.pdf
  • 2月20日
  • 课件+预习
  • 01-大模型prompt-tuning方法进阶.pdf
  • 02-大模型提示工程指南.pdf
  • 2月22日
  • chatglm-6b
  • examples
  • ad-writing-2.png
  • blog-outline.png
  • comments-writing.png
  • email-writing-1.png
  • email-writing-2.png
  • information-extraction.png
  • role-play.png
  • self-introduction.png
  • sport.png
  • tour-guide.png
  • improve
  • data_sample.jsonl
  • readme.md
  • limitations
  • factual_error.png
  • math_error.png
  • self-confusion_google.jpg
  • self-confusion_openai.jpg
  • self-confusion_tencent.jpg
  • ptuning
  • arguments.py
  • deepspeed.json
  • ds_train_finetune.sh
  • evaluate.sh
  • evaluate_finetune.sh
  • main.py
  • readme.md
  • readme_en.md
  • train.sh
  • train_chat.sh
  • trainer.py
  • trainer_seq2seq.py
  • web_demo.py
  • web_demo.sh
  • resources
  • cli-demo.png
  • english-q1-new.png
  • english-q1-old.png
  • english-q2-new.png
  • english-q2-old.png
  • english-q3-new.png
  • english-q3-old.png
  • english-q4-new.png
  • english-q4-old.png
  • visualglm.png
  • web-demo.gif
  • web-demo.png
  • webglm.jpg
  • wechat.jpg
  • wechat.md
  • thudm
  • chatglm-6b
  • chatglm-6b-int4
  • config.json
  • configuration_chatglm.py
  • ice_text.model
  • license
  • model_license
  • modeling_chatglm.py
  • pytorch_model.bin
  • quantization.py
  • quantization_kernels.c
  • quantization_kernels_parallel.c
  • readme.md
  • tokenization_chatglm.py
  • tokenizer_config.json
  • config.json
  • configuration_chatglm.py
  • ice_text.model
  • license
  • model_license
  • modeling_chatglm.py
  • pytorch_model.bin.index.json
  • pytorch_model-00001-of-00008.bin
  • pytorch_model-00002-of-00008.bin
  • pytorch_model-00003-of-00008.bin
  • pytorch_model-00004-of-00008.bin
  • pytorch_model-00005-of-00008.bin
  • pytorch_model-00006-of-00008.bin
  • pytorch_model-00007-of-00008.bin
  • pytorch_model-00008-of-00008.bin
  • quantization.py
  • readme.md
  • test_modeling_chatglm.py
  • tokenization_chatglm.py
  • tokenizer_config.json
  • api.py
  • cli_demo.py
  • cli_demo_vision.py
  • faq.md
  • license
  • model_license
  • project.md
  • readme.md
  • readme_en.md
  • requirements.txt
  • update.md
  • utils.py
  • web_demo.py
  • web_demo_old.py
  • web_demo_vision.py
  • web_demo2.py
  • 01-大模型提示工程指南.pdf
  • 02-金融行业动态方向评估项目.pdf
  • 2月25日
  • 代码
  • finance_classify.py
  • finance_ie.py
  • finance_text_matching.py
  • test.py
  • 课件
  • 02-金融行业动态方向评估项目介绍.pdf
  • 03-llm实现金融文本文本分类.pdf
  • 04-llm实现金融文本信息抽取.pdf
  • 05-llm实现金融文本匹配.pdf
  • 2月27日-虚拟试衣
  • 01-讲义
  • 01-虚拟试衣背景.pdf
  • 02-阿里pai平台.pdf
  • 03-阿里云注册及开通pai.pdf
  • 04-pai_dsw的环境搭建.pdf
  • pai平台开通指南.pdf
  • 人工智能平台pai使用指南.pdf
  • 2月29日-虚拟试衣
  • 01-讲义
  • 04-pai_dsw的环境搭建.pdf
  • 05-虚拟试衣实践.pdf
  • 06-资源清理.pdf
  • 2月3日
  • 课件
  • 01-llm主流开源大模型介绍.pdf
  • 02-大模型prompt-tuning方法入门.pdf
  • 3月10日
  • 代码
  • gpt2_chatbot
  • config
  • config.json
  • data
  • data_preprocess
  • __init__.py
  • dataloader.py
  • dataset.py
  • preprocess.py
  • medical_train.pkl
  • medical_train.txt
  • medical_valid.pkl
  • medical_valid.txt
  • gpt2
  • generation_config.json
  • merges.txt
  • readme.md
  • tokenizer.json
  • vocab.json
  • other_data
  • 闲聊语料.pkl
  • 闲聊语料.txt
  • save_model
  • epoch97
  • config.json
  • pytorch_model.bin
  • save_model1
  • min_ppl_model_bj
  • config.json
  • generation_config.json
  • model.safetensors
  • templates
  • index.html
  • index1.html
  • vocab
  • vocab.txt
  • vocab2.txt
  • __init__.py
  • app.py
  • flask_predict.py
  • functions_tools.py
  • interact.py
  • parameter_config.py
  • readme
  • train.py
  • 课件
  • 基于gpt2搭建医疗问诊机器人.pdf
  • 3月12日
  • 代码
  • pet.zip
  • 课件
  • 01-新零售行业评价决策系统介绍.pdf
  • 02-基于bert+pet方式文本分类介绍.pdf
  • 03-基于bert+pet方式数据预处理介绍.pdf
  • 04-基于bert+pet方式模型搭建.pdf
  • 课前下载
  • bert-base-chinese
  • config.json
  • flax_model.msgpack
  • pytorch_model.bin
  • readme.md
  • tf_model.h5
  • tokenizer.json
  • tokenizer_config.json
  • vocab.txt
  • 预训练模型
  • bert-base-chinese
  • config.json
  • tokenizer.json
  • 3月14日
  • 代码
  • pet.zip
  • 03-基于bert+pet方式数据预处理介绍.pdf
  • 3月17日
  • 代码
  • p-tuning
  • checkpoints
  • model_old_best
  • config.json
  • generation_config.json
  • model.safetensors
  • pytorch_model.bin
  • special_tokens_map.json
  • tokenizer.json
  • tokenizer_config.json
  • vocab.txt
  • data
  • data_handle
  • __init__.py
  • data_loader.py
  • data_preprocess.py
  • dev.txt
  • train.txt
  • verbalizer.txt
  • utils
  • __init__.py
  • common_utils.py
  • metirc_utils.py
  • verbalizer.py
  • __init__.py
  • inference.py
  • ptune_config.py
  • train.py
  • 课件
  • 05-基于bert+p-tuning方式文本分类介绍.pdf
  • 06-基于bert+p-tuning方式数据预处理介绍.pdf
  • 07-基于bert+p-tuning方式文本分类模型搭建.pdf
  • 3月19日
  • 代码
  • ptune_chatglm
  • data
  • data_handle
  • __init__.py
  • data_loader.py
  • data_preprocess.py
  • dataset.jsonl
  • mixed_dev_dataset.jsonl
  • mixed_train_dataset.jsonl
  • utils
  • __init__.py
  • common_utils.py
  • __init__.py
  • glm_config.py
  • inference.py
  • train.py
  • 课件
  • 新媒体行业评论智能分类与信息抽取系统.pdf
  • 3月21日
  • 代码
  • ptune_chatglm
  • data
  • data_handle
  • __init__.py
  • data_loader.py
  • data_preprocess.py
  • dataset.jsonl
  • mixed_dev_dataset.jsonl
  • mixed_train_dataset.jsonl
  • utils
  • __init__.py
  • common_utils.py
  • __init__.py
  • glm_config.py
  • inference.py
  • train.py
  • 课件
  • 新媒体行业评论智能分类与信息抽取系统.pdf
  • 趋动云使用《补充》.pdf
  • 3月26日aigc
  • 01-aigc 背景.pdf
  • 02-图像生成方法.pdf
  • 3月28日图像生成
  • 03-stablediffusion详解.pdf
  • 3月30号图像生成
  • 03-stablediffusion详解.pdf
  • 04-stablediffusion实践.pdf
  • 3月3日
  • 代码
  • project2
  • agents_module
  • demo_agent.py
  • chains_module
  • demo_use_llmchain.py
  • demo_use_simplechain.py
  • indexes_module
  • demo_dataloader.py
  • demo_retriver.py
  • demo_text_split.py
  • demo_vector.py
  • pku.txt
  • 衣服属性.txt
  • memory_module
  • demo_memory.py
  • demo_message_dict.py
  • demo_up_memory.py
  • models_module
  • demo_chat_models.py
  • demo_embedding_models.py
  • demo_llms.py
  • prompts_module
  • demo_few_shot.py
  • demo_zero_shot.py
  • 课件
  • 01-langchain基础知识入门.pdf
  • 02-基于langchain+chatglm-6b实现物流行业信息咨询.pdf
  • 一定要下载的模型
  • m3e-base
  • 1_pooling
  • config.json
  • config.json
  • gitattributes
  • model.safetensors
  • modules.json
  • pytorch_model.bin
  • readme.md
  • sentence_bert_config.json
  • special_tokens_map.json
  • tokenizer.json
  • tokenizer_config.json
  • vocab.txt
  • 3月5日
  • 代码
  • __pycache__
  • get_vector.cpython-310.pyc
  • get_vector.cpython-311.pyc
  • get_vector.cpython-38.pyc
  • model.cpython-310.pyc
  • model.cpython-311.pyc
  • model.cpython-38.pyc
  • faiss
  • camp
  • index.faiss
  • index.pkl
  • logistics
  • index.faiss
  • index.pkl
  • m3e-base
  • 1_pooling
  • config.json
  • config.json
  • gitattributes
  • model.safetensors
  • modules.json
  • pytorch_model.bin
  • readme.md
  • sentence_bert_config.json
  • special_tokens_map.json
  • tokenizer.json
  • tokenizer_config.json
  • vocab.txt
  • get_vector.py
  • main.py
  • model.py
  • new_demo.py
  • test.py
  • 物流信息.txt
  • 课件
  • 01-langchain基础知识入门.pdf
  • 02-基于langchain+chatglm-6b实现物流行业信息咨询.pdf
  • 3月7日
  • 代码
  • gpt2_chatbot
  • config
  • config.json
  • data
  • data_preprocess
  • __init__.py
  • dataloader.py
  • dataset.py
  • preprocess.py
  • medical_train.txt
  • medical_valid.txt
  • gpt2
  • generation_config.json
  • merges.txt
  • readme.md
  • tokenizer.json
  • vocab.json
  • templates
  • index.html
  • vocab
  • vocab.txt
  • vocab2.txt
  • __init__.py
  • app.py
  • flask_predict.py
  • functions_tools.py
  • interact.py
  • parameter_config.py
  • pytorch_tools.py
  • readme
  • test.py
  • train.py
  • 课件
  • 基于gpt2搭建医疗问诊机器人.pdf
  • 4月2号图像生成
  • img_plaidshirtprogrammer
  • 00001-1894947284.png
  • 00002-3614966928.png
  • 00003-3286877001.png
  • 00004-1166947288.png
  • 00005-366234093.png
  • 00006-4286819082.png
  • 00007-4286819083.png
  • 00008-4286819084.png
  • 00009-4286819085.png
  • 00010-4286819086.png
  • 00011-4286819087.png
  • 00012-4286819088.png
  • 00013-4286819089.png
  • 00014-4286819090.png
  • 00015-4286819091.png
  • 00016-4286819092.png
  • 00017-4286819093.png
  • 00018-4286819094.png
  • 00019-4286819095.png
  • 00020-4286819096.png
  • 00021-4286819097.png
  • 00022-4286819098.png
  • 00023-4286819099.png
  • 00024-4286819100.png
  • 00025-4286819101.png
  • 00026-4286819102.png
  • 00027-4286819103.png
  • 00028-4286819104.png
  • 00029-4286819105.png
  • 00030-4286819106.png
  • 00031-4286819107.png
  • 00032-4286819108.png
  • 00033-4286819109.png
  • 00034-4286819110.png
  • 00035-4286819111.png
  • 00036-4286819112.png
  • 00037-4286819113.png
  • 00038-4286819114.png
  • 00039-4286819115.png
  • 00040-4286819116.png
  • 00041-4286819117.png
  • 00042-4286819118.png
  • 00043-4286819119.png
  • 00044-4286819120.png
  • 00045-4286819121.png
  • 00046-4286819122.png
  • 00047-4286819123.png
  • 00048-4286819124.png
  • 00049-4286819125.png
  • 00050-4286819126.png
  • 00051-4286819127.png
  • 00052-4286819128.png
  • 00053-4286819129.png
  • 00054-4286819130.png
  • 00055-3455426797.png
  • 00056-3455426798.png
  • 00057-3455426799.png
  • 00058-3455426800.png
  • 00059-3455426801.png
  • 00060-3455426802.png
  • 00061-3455426803.png
  • 00062-3455426804.png
  • 00063-3455426805.png
  • 00064-3455426806.png
  • 00065-3455426807.png
  • 00066-3455426808.png
  • 00067-3455426809.png
  • 00068-3455426810.png
  • 00069-3455426811.png
  • 00070-3455426812.png
  • 00071-3455426813.png
  • 00072-3455426814.png
  • 00073-3455426815.png
  • 00074-3455426816.png
  • 00075-3455426817.png
  • 00076-3455426818.png
  • 00077-3455426819.png
  • 00078-3455426820.png
  • 00079-3455426821.png
  • 00080-3455426822.png
  • 00081-3455426823.png
  • 00082-3455426824.png
  • 00083-3455426825.png
  • 00084-3455426826.png
  • 00085-3455426827.png
  • 00086-3455426828.png
  • 00087-3455426829.png
  • 00088-3455426830.png
  • 00089-3455426831.png
  • 00090-3455426832.png
  • 00091-3455426833.png
  • 00092-3455426834.png
  • 00093-3455426835.png
  • 00094-3455426836.png
  • 00095-3455426837.png
  • 00096-3455426838.png
  • 00097-3455426839.png
  • 00098-3455426840.png
  • 00099-3455426841.png
  • 00100-3455426842.png
  • 00101-3455426843.png
  • 00102-3455426844.png
  • 00103-3455426845.png
  • img-glasses
  • 00061-4096775217.png
  • 00061-4096775217.txt
  • 00062-4096775218.png
  • 00062-4096775218.txt
  • 00063-4096775219.png
  • 00063-4096775219.txt
  • 00064-4096775220.png
  • 00064-4096775220.txt
  • 00065-4096775221.png
  • 00065-4096775221.txt
  • 00069-2356360196.png
  • 00069-2356360196.txt
  • 00070-2356360197.png
  • 00070-2356360197.txt
  • 00071-2356360198.png
  • 00071-2356360198.txt
  • 00072-2356360199.png
  • 00072-2356360199.txt
  • 00074-2356360201.png
  • 00074-2356360201.txt
  • 00076-2356360203.png
  • 00076-2356360203.txt
  • 00077-2356360204.png
  • 00077-2356360204.txt
  • 00078-2356360205.png
  • 00078-2356360205.txt
  • 00079-2356360206.png
  • 00079-2356360206.txt
  • 00081-2356360208.png
  • 00081-2356360208.txt
  • 00082-2356360209.png
  • 00082-2356360209.txt
  • 00083-2356360210.png
  • 00083-2356360210.txt
  • 00084-2356360211.png
  • 00084-2356360211.txt
  • 00086-2356360213.png
  • 00086-2356360213.txt
  • 00088-2356360215.png
  • weights
  • glass.safetensors
  • model-plaidshirtprogrammer.ckpt
  • 05-腾讯云ai绘画.pdf
  • aigc_demo_origin.zip
  • 4月7日-文心一言和千帆大模型
  • 01-文心一言的使用.zip
  • 02-千帆大模型简介.pdf
  • 03-千帆大模型的使用.zip
  • sample-text-dialog-unsort-jsonl.zip
  • 清洗emoji数据的demo数据集.zip
  • 4月9日-星火大模型
  • translate_in_many_style.zip
  • 星火大模型（博学谷）.pdf
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。