【机器学习/人工智能】RAG全栈技术从基础到精通 打造高精准AI应用

提示

获取方式在文章最底部

目录介绍

├─第1章 课程学习必知——助你顺利学习以及避坑
│      1-1 全面了解课程，让你少走弯路，必看！！！.mp4
│      
├─第2章 掌握未来AI趋势：RAG引领大语言模型新纪元
│      2-1 本章简介.mp4
│      2-2 满足企业精准需求：RAG如何填补大语言模型短板.mp4
│      2-3 解锁RAG三大核心.mp4
│      2-4 深入思考 long context加持的大模型企业还需要RAG.mp4
│      2-5 RAG技术栈：从【合格】到【优秀】的跨越.mp4
│      2-6 本课程案例分析与说明.mp4
│      2-7运行和开发环境搭建.pdf
│      2-8课程机器配置要求说明.pdf
│      
├─第3章 【企业级专业选型】RAG核心一：挑选符合企业的【优秀】大语言基石模型
│      3-1 本章简介.mp4
│      3-2 大模型入门：核心要点和技术演变（token、transformer、训练）.mp4
│      3-3 国内外大模型产品必知必会.mp4
│      3-4 没有GPU如何调用大模型-大模型调用的三种方式.mp4
│      3-5 火眼金星：如何分辨大模型的好坏.mp4
│      3-6 RAG应用：挑选大模型的四大步骤.mp4
│      3-7 总结和展望：不同项目角色需要对AI大模型了解程度的差异性分析.mp4
│      3-8 【文档】大语言模型如何下载.pdf
│      3-9 【文档】星火大模型API使用.pdf
│      3-10 【文档】如何通过ollama部署本地大模型-deepseek-r1.pdf
│      3-11 实战：使用大语言模型（本地和API、GPU和CPU）-1.mp4
│      3-12 实战：使用大语言模型（本地和API、GPU和CPU）-2.mp4
│      
├─第4章 【企业级专业选型】RAG核心二：挑选合适RAG的向量Embedding模型
│      4-1 本章介绍.mp4
│      4-2 embedding模型的重要性.mp4
│      4-3 embedding是怎么炼成的？.mp4
│      4-4 主流中文embedding模型.mp4
│      4-5 embedding模型排行榜靠谱不靠谱，如何选择.mp4
│      4-6 【文档】embedding模型下载.pdf
│      4-7 实战：embedding模型加载和使用对比.mp4
│      4-8 本章总结.mp4
│      
├─第5章 【企业级专业选型】RAG核心三：企业级的向量数据库选型和高效使用
│      5-1 本章介绍.mp4
│      5-2 全方位对比：主流向量数据库.mp4
│      5-3 企业级向量数据库的要求.mp4
│      5-4 向量数据库相似性搜索.mp4
│      5-5 性能为王：探索向量数据索引优化技术.mp4
│      5-6 实战：部署和使用企业级向量数据库（chroma和milvus）-1.mp4
│      5-7 实战：部署和使用企业级向量数据库（chroma和milvus）-2.mp4
│      5-8 总结和展望：企业级应用的高可用性.mp4
│      
├─第6章 【企业员工智能问答助手-实现V1.0版】高效处理企业复杂业务数据
│      6-1 本章介绍.mp4
│      6-2 复杂：企业数据复杂多样.mp4
│      6-3 原则：垃圾进垃圾出，注重文档质量.mp4
│      6-4 挑战：RAG如何读取多样性文档（文本、表格和布局分析）.mp4
│      6-5 文档分块：递归文本分块和语义智能分块.mp4
│      6-6 实战：实现制度问答模块数据读取和切割.mp4
│      6-7 本章总结.mp4
│      
├─第7章 【企业员工智能问答助手-实现V1.0版】搭建制度问答baseline RAG
│      7-1 本章介绍.mp4
│      7-2 【企业员工制度问答助手】需求分析.mp4
│      7-3 项目技术选型.mp4
│      7-4 项目架构设计.mp4
│      7-5 实战：实现制度问答模块RAG baseline.mp4
│      7-6 总结和展望：转变思想，AI应用开发和传统软件开发的区别.mp4
│      
├─第8章 【企业员工智能问答助手-评估V1.0版】有效评估RAG是提升的关键
│      8-1 本章介绍.mp4
│      8-2 RAG迭代的关键：评估.mp4
│      8-3 RAG评估的三大步骤.mp4
│      8-4 RAG评价神器：Ragas框架.mp4
│      8-5 实战：用Ragas评估制度问答模块的性能.mp4
│      8-6 本章总结.mp4
│      
├─第9章 【企业员工智能问答助手-实现V2.0版】提升RAG的【14种】检索增强技能
│      9-1 本章介绍.mp4
│      9-2 一图剖析RAG进化之路：探索优化点.mp4
│      9-3 检索的两大形态：稀疏 vs 稠密.mp4
│      9-4 查询增强：增加相关内容-Query2doc+ HyDE+子问题查询+问题改写+Task Step Back.mp4
│      9-5 多索引增强：从不同维度构建索引，强化相关内容.mp4
│      9-6 检索后增强：融合检索，三个臭皮匠顶一个诸葛亮.mp4
│      9-7 检索后增强：重排序技术(Re-rank).mp4
│      9-8 系统性增强：迭代检索增强生成，从上一迭代收获信息.mp4
│      9-9 RAG新范式：自我评估增强Self-RAG.mp4
│      9-10 总结和展望：关于企业里需要良好的代码规范和代码管理.mp4
│      9-11 实战：用检索增强技术提升制度问答模块性能-查询增强-1.mp4
│      9-12 实战：用检索增强技术提升制度问答模块性能-查询增强-2.mp4
│      9-13 实战：用检索增强技术提升制度问答模块性能-多索引增强.mp4
│      9-14 实战：用检索增强技术提升制度问答模块性能-融合检索.mp4
│      9-15 【文档】重排rerank模型如何下载.pdf
│      9-16 实战：用检索增强技术提升制度问答模块性能-rerank重排.mp4
│      9-17 实战：用检索增强技术提升制度问答模块性能-迭代检索增强生成.mp4
│      9-18 实战：用检索增强技术提升制度问答模块性能-self-RAG-1.mp4
│      9-19 实战：用检索增强技术提升制度问答模块性能-self-RAG-2.mp4
│      
├─第10章 基于知识图谱【金融智库】：从RAG到Graph RAG，让企业知识图谱更智能
│      10-1 本章介绍.mp4
│      10-2 认识金融智库知识图谱数据：特别的知识三元组.mp4
│      10-3 如何存储和操作知识图谱：neo4j和nebulagraph.mp4
│      10-4 实战：动手构建金融智库知识图谱-1.mp4
│      10-5 实战：动手构建金融智库知识图谱-2.mp4
│      10-6 RAG和Graph RAG有什么区别：如何构建Graph RAG.mp4
│      10-7 实战：利用Graph RAG构建金融智库知识库应用.mp4
│      10-8 总结和展望：如何自我学习，跟进前沿技术.mp4
│      
├─第11章 基于知识图谱【金融智库】：从RAG到agenticRAG，实现自动切换不同信息源
│      11-1 本章介绍.mp4
│      11-2 大模型的手脚：AI智能体Agent.mp4
│      11-3 推理和行动并行：ReAct框架.mp4
│      11-4 基于Agent的多文档RAG Router.mp4
│      11-5 实战：利用ReAc Agent实现 RAG Router.mp4
│      11-6 本章总结.mp4
│      
├─第12章 【RAG扩展】企业员工助手-接口和界面开发
│      12-1 本章介绍.mp4
│      12-2 演示界面神器：gradio介绍.mp4
│      12-3 实战：gradio整合两大RAG项目（1）.mp4
│      12-4 实战：gradio整合两大RAG项目（2）.mp4
│      
├─第13章 【RAG进阶】企业员工助手-项目进阶：RAG微调
│      13-1 本章介绍.mp4
│      
└─第14章 企业员工助手-总结和展望
       14-1 -1 项目总结和展望：课程回顾与总结.mp4
       14-2 -2 项目总结和展望：课程总结与AI岗位面试技巧.mp4
缺代码资料