文件详情

文件信息

文件描述

├── 第1周 LLM进化路线、领域微调及NLP应用落地方式+大模型基础及pytorch训练加载应用模型 │ ├── 1-2 模型训练流程和CUDA原理及并行基础（1小时42分）.mp4 │ ├── 1-3 LLM的进化路线、领域微调及NLP的应用落地方式（一）（1小时17分）.mp4 │ ├── 1-4 LLM的进化路线、领域微调及NLP的应用落地方式（二）（1小时11分）.mp4 │ ├── 1-5 图文： 概览【学习辅导笔记】.pdf │ ├── 1-6 图文： LLM 进化路线与现状【学习辅导笔记】（1）.pdf │ ├── 1-6 图文： LLM 进化路线与现状【学习辅导笔记】（2）.pdf │ ├── 1-6 图文： LLM 进化路线与现状【学习辅导笔记】（3）.pdf │ ├── 1-6 图文： LLM 进化路线与现状【学习辅导笔记】（4）.pdf │ ├── 1-6图文： LLM 进化路线与现状【学习辅导笔记】（5).pdf │ ├── 1-7 图文： 大模型本质-概率统计【学习辅导笔记】.pdf │ ├── 1-8 图文： 训练过程-无监督预训练【学习辅导笔记】.pdf │ ├── 1-9 图文： 训练过程-有监督预训练【学习辅导笔记】.pdf │ ├── 1-10 图文： 大模型的核心--transformer 模型【学习辅导笔记】（1）.pdf │ ├── 1-10 图文： 大模型的核心--transformer 模型【学习辅导笔记】（2）.pdf │ ├── 1-11 图文： Transformer--编码和解码器【学习辅导笔记】.pdf │ ├── 1-12 图文： Transformer--模型嵌入【学习辅导笔记】.pdf │ ├── 1-13 图文： 【思考题】transformer 思考题（2）.pdf │ ├── 1-13 图文： 【思考题】transformer 思考题（3）.pdf │ ├── 1-13 图文： 【思考题】transformer 思考题（1）.pdf │ ├── 1-14 图文： Transformer-前馈层【学习辅导笔记】（2）.pdf │ ├── 1-14 图文： Transformer-前馈层【学习辅导笔记】（2）.pdf │ ├── 1-15 图文： Transformer--残差归一化【学习辅导笔记】.pdf │ ├── 1-16 图文： 大模型训练过程【学习辅导笔记】.pdf │ ├── 1-17 图文： 大模型训练-SFT【学习辅导笔记】.pdf │ ├── 1-18 图文： 大模型训练-Reward【学习辅导笔记】（1）.pdf │ ├── 1-18 图文： 大模型训练-Reward【学习辅导笔记】（2）.pdf │ ├── 1-19 图文： 大模型训练-PPO【学习辅导笔记】.pdf │ └── 1-20 图文： 大模型生成原理【学习辅导笔记】.pdf ├── 第2周 大模型训练与微调研发背后的数据艺术+深入大模型基础理论夯实 │ ├── 2-1.mp4 │ └── 2-2 深入大模型基础理论夯实（1小时26分）.mp4 ├── 第3周 大模型训练入门与进阶+大模型训练和推理优化框架和技巧 │ ├── 3-1 大模型训练入门与进阶（1小时29分）.mp4 │ └── 3-2 大模型训练和推理优化框架和技巧（2小时23分）.mp4 ├── 第4周 深入掌握大模型应用开发框架LangChain+LangChain进阶-外挂知识库实现行业文档智能问答 │ ├── 4-1 深入掌握大模型应用开发框架LangChain（1小时53分）.mp4 │ └── 4-2 LangChain进阶实战：外挂知识库实现行业文档智能问答实战项目（2小时11分）.mp4 ├── 第5周 大模型训练全流程实战+【实战】在云服务器微调和实操模型量化、模型推理和服务 │ ├── 5-1 大模型训练全流程实战（3小时01分）.mp4 │ ├── 5-2 教你如何创建一个训练容器.mp4 │ ├── 5-3 在llm__course容器中实现环境安装和SFT演示（26分）.mp4 │ └── 5-4 在云服务器实操模型量化模型推理和服务（28分）.mp4 ├── 第6周 四大行业微调模型落地案例和技术方案 │ └── 6-1 四大行业微调模型落地案例和技术方案（2小时01分）.mp4 ├── 第7周、实现行业文档智能问答技术方案+知识图谱构建 下游应用技术方案 │ ├── 7-1 实现行业文档智能问答技术方案.mp4 │ └── 7-2 知识图谱构建 下游应用技术方案（1小时48分）.mp4 ├── 第8周 人才需求与招聘专场 │ └── 8-1 市场需求与招聘专场【根据具体情况开展】（2小时02分）.mp4 └── 源码+PDF课件 ├── PDF课件 │ ├── 第1章 LLM的进化路线领域微调及其NLP应用范式.pdf │ ├── 第2章 大模型训练与微调研发背后的数据艺术.pdf │ ├── 第3章 结合代码理解Transformer模型.pdf │ ├── 第4章 LLM的训练方法讲解.pdf │ ├── 第5章 大模型框架选型.pdf │ ├── 第5章 模型训练训练优化.pdf │ ├── 第6章 大模型SFT实践.pdf │ ├── 第6章 模型部署.pdf │ ├── 第7章 四大行业微调模型落地案例和技术方案.pdf │ ├── 第8章 大模型外挂知识库实现行业文档智能问答.pdf │ └── 第9章 知识图谱构建下游应用技术方案.pdf └── 源码 └── llm ├── class_8 │ └── code │ ├── text2vec-base-chinese │ ├── chatglm2_6b_server.py │ ├── duckduckgo_search_chat.py │ ├── embedding_test.py │ ├── model_api.py │ ├── semantic_match.py │ └── sim_compute.py ├── langchain_code │ ├── langchain-local-qa-course │ │ ├── chroma_db │ │ ├── data │ │ ├── src │ │ ├── test │ │ ├── .gitignore │ │ ├── README.md │ │ └── requirements.txt │ ├── basic.ipynb │ └── text.txt ├── llm_course │ ├── demo │ │ └── demo_gradio.py │ ├── introduction │ │ ├── cuda_case │ │ ├── pytorch_basic │ │ ├── training_basic │ │ └── cuda_info.ipynb │ ├── quantize │ │ ├── ggml.sh │ │ ├── gptq.py │ │ └── gptq_gen.py │ ├── train_optimize │ │ ├── ds_config_zero2.json │ │ ├── llm_course.py │ │ ├── llm_course.sh │ │ └── llm_course_dataset.json │ ├── triton_server │ │ ├── api.py │ │ ├── client.html │ │ ├── llm_triton.py │ │ ├── main.py │ │ └── README.md │ ├── trl_version_sft │ │ ├── accelerate_config.yaml │ │ ├── ds_config_zero2.json │ │ ├── imdb.csv │ │ ├── README.md │ │ ├── run.sh │ │ ├── untitled.py │ │ ├── v1.py │ │ └── v2.py │ ├── openbayes-intro.ipynb │ ├── playground.ipynb │ ├── requirements.txt │ ├── test2.ipynb │ ├── Untitled.ipynb │ └── Untitled1.ipynb ├── .gitignore ├── install.sh ├── README.md ├── README_BAK.md └── requirements.txt