做完投满分和知识图谱项目后,顺接大语言模型开发与应用
还在更新中,这段时间我先去忙脑机接口,
https://jx7281bgmy0.feishu.cn/wiki/YO3TwjBP1is7wBkmh8dc1Dken6d
1:大模型背景简介
1.1 LLM基础知识
1.2 LLM主要架构类别
2:主流大模型介绍
2.1 GPT系列模型
2.2 LLM主流开源代表模型
3:大模型提示词工程应用实战
3.1 大模型Prompt工程指南
3.2 金融行业动态方向评估项目介绍
3.3 LLM实现金融文本分类
3.4 LLM实现金融文本信息抽取
3.5 LLM实现金融文本匹配
4:大模型微调主要方式
4.1 大模型Prompt-Tuning方法
4.2 大模型PEFT微调方法
5:基于GPT2预训练模型搭建医疗问诊机器人
5.1 医疗问诊机器人实现
6:新零售行业评价决策系统
6.1 项目背景介绍
6.2 BERT+PET方式文本分类介绍
6.3 BERT+PET方式数据预处理
6.4 BERT+PET方式模型代码实现和训练
6.5 BERT+P-Tuning方式文本分类介绍
6.6 BERT+P-Tuning方式数据预处理
6.7 BERT+P-Tuning方式模型代码实现和训练
7:基于ChatGLM微调实现信息抽取+文本分类的多任务实战
7.1 项目整体简介
7.2 多任务数据预处理方式
7.3 LoRA方式微调ChatGLM模型代码实现和训练
7.4 趋动云使用《扩展》
8:基于LangChain+ChatGLM-6B实现本地知识RAG问答机器人
8.1 LangChain介绍
8.2 LangChain+ChatGLM-6B实现本地知识库问答
9:大模型Agent的应用
9.1 大模型functioncall的原理及其应用
9.2 Agent原理
9.3 GPTs及coze应用
9.4 智能问答小助手
9.5 旅游规划小精灵
9.6 智能助教
9.7 智能面试官
9.8 口语练习专家
9.9 Agent应用
