价格： 69 学币
.
├── 00_Python基础/
│ ├── [ 26M] 1-初始Python.mp4
│ ├── [ 11M] 2-Windows环境安装.mp4
│ ├── [ 13M] 3-macOS环境安装.mp4
│ ├── [ 51M] 4-VSCode安装与应用.mp4
│ ├── [ 54M] 5-PyCharn安装与应用.mp4
│ ├── [ 65M] 6-pip包管理工具.mp4
│ ├── [ 83M] 7-Python工程应用-字符串.mp4
│ ├── [ 29M] 8-Python文档化应用场景.mp4
│ ├── [ 60M] 9-如何使用注解.mp4
│ ├── [143M] 10-字符编码的处理.mp4
│ ├── [222M] 11-Python程序调式和异常处理技巧.mp4
│ ├── [ 85M] 12-JSON应用.mp4
│ ├── [ 51M] 13-文件IO.mp4
│ ├── [ 55M] 14-爬虫（1）.mp4
│ ├── [280M] 15-爬虫（2）.mp4
│ ├── [199M] 16-爬虫（3）.mp4
│ ├── [276M] 17-爬虫（4）.mp4
│ ├── [100M] 18-字符串处理.mp4
│ ├── [ 56M] 19.dotenv使用.mp4
│ └── [135M] 20.FastAPI的使用.mp4
├── 01_AI及LLM基础/
│ ├── day01_AI领域基础概念/
│ ├── day02_OpenAI 开发/
│ └── day03_支持多模态输入的 AI Chatbot App/
├── 02_Prompt基础/
│ └── day04_Prompt Engineering 提示词工程/
├── 03_LangChain基础/
│ ├── day05_LangChain 基础/
│ ├── day06_LangChain Chat Model/
│ └── day07_LangChain Tools & Agent/
├── 04_Embedding基础/
│ └── day08_Embedding 与向量数据库/
├── 05_Rag基础/
│ └── day09_RAG 专题/
├── 06_LangChain进阶/
│ └── day10_自定义组件专题/
├── 07_langChain和RAG实战/
│ └── day11_基于LangChain和RAG的常用案例实战/
├── 08_LangGraph/
│ └── day12_LangGraph/
├── 09_Hugging Face/
│ ├── day_13Hugging Face 核心组件介绍/
│ ├── day_14Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）/
│ ├── day_15Hugging Face 模型微调训练（如何处理超长文本训练问题）/
│ └── day_16Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）/
├── 10_modelScope/
│ └── day_17ModeScope在线训练平台&服务器选配训练模型/
├── 11_Llama3/
│ ├── day_18Llama3大模型本地部署与调用/
│ ├── day_19LLaMa3微调_使用 LLaMA-Factory微调Llama3/
│ ├── day_20LLaMa3打包部署教程 (Lora 微调与模型合并）/
│ ├── day_21LLaMa3打包部署（LLaMA-Factory模型评估与量化）/
│ └── day_22LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）/
├── 12_多模态/
│ └── day_23多模态（多模态大模型的概念与本地部署调用）/
├── 13_llamaindex/
│ ├── day_24Llama_Index（核心组件介绍）/
│ └── day_25llamaindex实战（使用llamaindex构建自己的知识库）/
├── 14_AutoGen Studio/
│ └── day_26AutoGen Studio调用本地大模型实现多Agent应用/
├── 15-项目实战一期二期/
│ ├── day33_RAG项目实战（使用llamaindex构建自己的知识库）/
│ ├── day34_视觉项目实战（基于yolo的骨龄识别项目_01）/
│ ├── day35_视觉项目实战（基于yolo的骨龄识别项目_02）/
│ ├── day_27基于本地大模型的在线心理问诊系统（训练篇）/
│ ├── day_28基于本地大模型的在线心理问诊系统（训练篇）/
│ ├── day_29基于本地大模型的在线心理问诊系统(部署篇)/
│ ├── day_30基于RAG的线上智能客服系统（微调篇）/
│ ├── day_31基于RAG的线上智能客服系统（部署篇）/
│ └── day_32基于pytorch的语音识别与语音唤醒/
├── 16项目实战三期/
│ ├── 1_开班典礼-241216/
│ ├── 2_RAG-Embedding-Vector/
│ ├── 3_LangChain/
│ ├── day04_Hugging Face 核心组件介绍/
│ ├── day05_基于 BERT 的中文评价情感分析/
│ ├── day06_自定义vocab/
│ ├── day07_如何处理超长文本训练问题/
│ ├── day08_GPT2-中文生成模型定制化微调训练/
│ ├── day09_远程GPU服务器/
│ ├── day10_llama3大模型本地调用/
│ ├── day11_Llama3.2模型微调/
│ ├── day12_Lora模型合并与推理测试/
│ ├── day13_LLaMA-Factory模型导出量化/
│ ├── day14_LLaMA-Factory模型评估与QLora微调/
│ ├── day15_Qwen模型打包部署（Lora模型合并&转GGUF模型部署）/
│ ├── day16_Qwen模型打包部署（HF转GGUF&ollama+open_webui部署）/
│ ├── day17_Xtuner微调大模型/
│ ├── day18_LMDeploy部署大模型/
│ ├── day19 Opencompass大模型评估/
│ ├── day20_llama-index核心组件/
│ ├── day21_llama-index入门实操/
│ ├── day22_llama-index实现RAG/
│ ├── day23_AutoGen_Studio搭建多智能体应用/
│ ├── day24_多模态大模型/
│ ├── day25_deep-seek与多卡训练/
│ ├── day26_基于本地大模型的AI试题系统（方案篇）/
│ ├── day27_基于本地大模型的AI试题系统（实现篇）/
│ ├── day28_基于RAG的法律条文智能助手（方案篇）/
│ ├── day29_基于RAG的法律条文助手（实现篇）/
│ └── day30_基于pytorch的语音唤醒系统/
└── 资料/
