JK 多模态大模型训练营，构筑从数据、训练、推理到安全防护的全链路技术闭环，打通模型从开发到规模化部署的全过程。基于电商、医疗、虚拟人等多个真实场景，提供七个核心实战案例与十一个可复用的工程化实践，深度覆盖多模态应用需求。通过深度融合文本、图像、音频与视频，实现拍照搜同款、虚拟人直播等创新交互。紧跟技术前沿，覆盖 Qwen2.5-VL、InternVL3 等多模态模型，集成 vLLM 推理框架与 MoE 架构等尖端技术，提供高效的落地实践。
.
├── 第0周：直播答疑+开营直播回放/
│ ├── [622M] 0-1 开营直播回放
│ └── [245M] 0-2 直播答疑-20251025
├── 第1周：机器学习与深度学习基础（上）/
│ ├── [157M] 1-1 课程概述
│ ├── [169M] 1-2 常见机器学习任务与算法：机器学习任务类型
│ ├── [333M] 1-3 常见机器学习任务与算法：机器学习十大算法
│ ├── [257M] 1-4 常见机器学习任务与算法：机器学习的任务步骤
│ ├── [289M] 1-5 深度学习任务版图
│ └── [238M] 1-6 深度学习算法
├── 第2周：机器学习与深度学习基础（下）/
│ ├── [359M] 2-1 深度学习训练要素
│ ├── [354M] 2-2 强化学习最小闭环
│ ├── [142M] 2-3 PyTorch基础与工程要素
│ └── [323M] 2-4 实战：电商SKU卡生成
├── 第3周：大模型微调与落地（上）/
│ ├── [308M] 3-1 大模型的演进历史（一）
│ ├── [307M] 3-2 大模型的演进历史（二）
│ ├── [306M] 3-3 从AI到AGI到ASI（一）
│ ├── [326M] 3-4 从AI到AGI到ASI（二）
│ └── [419M] 3-5 Transformer核心原理
├── 第4周：大模型微调与落地（下）/
│ ├── [866M] 4-1 Transformer核心原理的演示
│ ├── [418M] 4-2 知识工程与多模态RAG
│ ├── [423M] 4-3 微调方法与参数高效训练（一）
│ ├── [367M] 4-4 微调方法与参数高效训练（二）
│ ├── [339M] 4-5 提示词工程和模型压缩优化
│ └── [272M] 4-6 实战：可溯源的问答助手
├── 第5周：多模态全景认知/
│ ├── [152M] 5-1 多模态的定义与边界
│ ├── [234M] 5-2 多模态数据与表征
│ ├── [198M] 5-3 多模态模型架构
│ ├── [ 87M] 5-4 多模态任务类型
│ ├── [177M] 5-5 多模态应用场景
│ ├── [615M] 5-6 多模态实战
│ └── [ 70M] 5-7 音频模态扩展
├── 第6周：虚拟人生成与交互技术/
│ ├── [148M] 6-1 虚拟人生成全景
│ ├── [496M] 6-2 图像生成与条件控制（一）
│ ├── [401M] 6-3 图像生成与条件控制（二）
│ ├── [398M] 6-4 虚拟人的大脑
│ ├── [512M] 6-5 虚拟人的声音情感
│ ├── [520M] 6-6 虚拟人的口型与驱动
│ ├── [127M] 6-7 虚拟人直播
│ └── [402M] 6-8 虚拟人案例实操
├── 第7周：多模态 OCR 与智能翻译链路/
│ ├── [210M] 7-1 OCR的全景认知
│ ├── [402M] 7-2 传统OCR技术机制
│ ├── [370M] 7-3 生成式与Transformer式OCR（一）
│ ├── [349M] 7-4 生成式与Transformer式OCR（二）
│ ├── [373M] 7-5 版面与表格结构解析
│ ├── [338M] 7-6 手写OCR与多语种
│ └── [270M] 7-7 OCR到翻译链路与RAG落地
├── 第8周：视觉定位与跨模态融合感知/
│ ├── [212M] 8-1 视觉和语言任务总览
│ ├── [459M] 8-2 视觉问答
│ ├── [363M] 8-3 视觉定位
│ ├── [496M] 8-4 图像计数和视觉推理
│ ├── [330M] 8-5 图像-文本生成和跨模态融合策略
│ ├── [103M] 8-6 注意力机制与可视化
│ └── [ 93M] 8-7 综合实战与评估指标
├── 第9周：文本到 SQL（NL2SQL）与多表推理/
│ ├── [414M] 9-1 NL2SQL的核心价值
│ ├── [147M] 9-2 Schema对齐与语义消歧
│ ├── [358M] 9-3 NL2SQL的技术对比（一）
│ ├── [342M] 9-4 NL2SQL的技术对比（二）
│ ├── [469M] 9-5 适合复杂场景的策略
│ └── [ 83M] 9-6 数据表查询助手
├── 第10周：医疗影像分析与智能报告生成/
│ ├── [318M] 10-1 医疗影像分析与行业落地
│ ├── [275M] 10-2 医疗多模态数据预处理与隐私合规
│ ├── [295M] 10-3 核心模型深度解析（一）
│ ├── [196M] 10-4 核心模型深度解析（二）
│ ├── [297M] 10-5 核心模型深度解析（三）
│ ├── [ 97M] 10-6 医疗报告生成
│ ├── [305M] 10-7 医疗知识图谱与多模态融合应用
│ └── [116M] 10-8 实战：多模态辅助诊断系统搭建
├── 第11周：多模态模型高效训练与优化/
│ ├── [220M] 11-1 高效训练挑战与工程全貌
│ ├── [369M] 11-2 数据对齐与预训练策略
│ ├── [513M] 11-3 分布式并行全栈解析（一）
│ ├── [415M] 11-4 分布式并行全栈解析（二）
│ ├── [507M] 11-5 高级轻量化技术全策略（一）
│ ├── [312M] 11-6 高级轻量化技术全策略（二）
│ └── [ 46M] 11-7 多模态高效训练与部署
├── 第12周：多模态模型评估体系与推理优化/
│ ├── [390M] 12-1 综合评估体系与业务指标
│ ├── [520M] 12-2 推理计算与底层算力
│ ├── [304M] 12-3 显存调度机制优化
│ ├── [379M] 12-4 推理引擎架构剖析（一）
│ ├── [613M] 12-5 推理引擎架构剖析（二）
│ └── [274M] 12-6 基于vLLM的Qwen部署
└── 第13周：具身智能的多模态感知与决策控制/
├── [399M] 13-1 具身智能前沿与VLA模型（一）
├── [311M] 13-2 具身智能前沿与VLA模型（二）
├── [549M] 13-3 低成本构建数字孪生世界
├── [654M] 13-4 从硬件到模拟现实的跨越
└── [641M] 13-5 仿真学习以及强化学习的工程化实战
└── 资料/
