所有分类
  • 所有分类
  • 前端开发
  • 后端开发
  • 体系课程
  • 移动开发
  • 计算机基础
  • 测试运维
  • 前沿技术

LLM大模型原理 · 训练 · 应用机制全解析

14094006410

课程介绍:

AI 为什么会“说话”?为什么时而惊艳、时而一本正经地胡说?这门课一步步你直抵技术内核:从 Token、Embedding 到 Transformer 注意力机制,带你看懂大模型“思考”的底层逻辑;从预训练、监督微调到 RLHF,为你揭开大模型炼成的完整路径;接着深入剖析大模型的涌现能力与模型幻觉,并延伸讲解提示工程、RAG、工具调用等关键技术背后的运作机制。 学完之后,你将跳出 API 调用与提示词试错的局限,拥有诊断模型异常、自主设计 AI 应用方案的底层判断力,从只会使用工具的执行者,升级为看懂因果、可控落地的 AI 技术实践者。

课程目录:

第1章 课程简介
5 节|27分钟

展开

  •  

    图文:
    1-1 开篇词
    试看
  •  

    视频:
    1-2 导学
    试看
    07:25
  •  

    图文:
    1-3 学前必看,进课程群方法!!!
  •  

    视频:
    1-4 大模型原理对开发者的价值
    09:21
  •  

    视频:
    1-5 大模型原理课程大纲解读
    09:48
第2章 大模型底层基础
9 节|

收起

  •  

    图文:
    2-1 拆解大模型的底层运行逻辑
    试看
  •  

    图文:
    2-2 大模型参数的秘密
    试看
  •  

    图文:
    2-3 初识大模型的自回归生成
  •  

    图文:
    2-4 自回归生成的底层逻辑
  •  

    图文:
    2-5 Embedding-从语言符号到向量表示
  •  

    图文:
    2-6 Embedding-AI真的“理解”语言吗
  •  

    图文:
    2-7 Transformer 原理 Self Attention如何让模型建立词语关系
  •  

    图文:
    2-8 Transformer 原理-多头注意力、位置编码与前馈网络
  •  

    图文:
    2-9 面试现场:大模型基础高频问答与答题框架
第3章 模型训练与对齐
10 节|

收起

  •  

    图文:
    3-1 初识预训练-大模型读书成才
  •  

    图文:
    3-2 预训练迭代与参数优化
  •  

    图文:
    3-3 监督微调:从会续写到回答问题
  •  

    图文:
    3-4 监督微调效果与局限
  •  

    图文:
    3-5 RLHF 与对齐:让模型更符合人类偏好
  •  

    图文:
    3-6 RLHF 的核心机制与实现流程
  •  

    图文:
    3-7 RLHF的局限与下一代对齐难题
  •  

    图文:
    3-8 模型蒸馏:把大模型的智慧装进小模型的口袋
  •  

    图文:
    3-9 量化与增量训练:模型压缩和持续适配
  •  

    图文:
    3-10 面试现场:训练与对齐高频问答与答题框架
第4章 进阶能力篇:能力边界与可靠性
5 节|

展开

  •  

    图文:
    4-1 涌现能力-规模扩大后出现的新任务表现
  •  

    图文:
    4-2 Scaling Laws-规模、数据与算力如何影响模型能力
  •  

    图文:
    4-3 涌现边界-哪些能力不能只靠规模解决
  •  

    图文:
    4-4 模型幻觉:为什么模型会自信地犯错
  •  

    图文:
    4-5 面试现场:模型涌现能力与幻觉高频问答与答题框架
第5章 模型开发篇:提示工程与推理控制
7 节|10分钟

展开

  •  

    图文:
    5-1 提示词工程:从“问 AI”到“交付结果”
  •  

    图文:
    5-2 In Context Learning-让模型“看例子会做题”
  •  

    图文:
    5-3 思维链与推理控制:如何引导复杂任务求解
  •  

    图文:
    5-4 Temperature-同一个问题,AI 有时稳定,有时“放飞”
  •  

    图文:
    5-5 Top-p 让模型不只选择“最可能”
  •  

    图文:
    5-6 面试现场:提示工程&推理高频问答与答题框架
  •  

    视频:
    5-7 软件工程中AI生成测试用例实战解说提示工程与推理的重要性
    09:55
第6章 模型开发篇:RAG与知识增强
8 节|17分钟

展开

  •  

    图文:
    6-1 初识RAG检索增强生成
  •  

    图文:
    6-2 RAG 知识库构建-从文档数据到向量数据库(一)
  •  

    图文:
    6-3 RAG 知识库构建-从文档数据到向量数据库(二)
  •  

    图文:
    6-4 RAG检索流程解析:从问题向量化到智能问答生成
  •  

    图文:
    6-5 面试现场:RAG高频问答与答题框架
  •  

    视频:
    6-6 RAG问题检索案例背景讲解
    04:08
  •  

    视频:
    6-7 RAG问题检索案例,向量化和检索底层原理讲解
    04:35
  •  

    视频:
    6-8 RAG问题检索案例源码执行演示
    07:38
第7章 模型开发篇:工具调用与 MCP
13 节|39分钟

展开

  •  

    图文:
    7-1 Function Call-工具调用机制
  •  

    图文:
    7-2 Function Call-程序侧执行原理
  •  

    图文:
    7-3 MCP-从工具调用到生态的统一接口
  •  

    图文:
    7-4 MCP-Resources 提供可读取的上下文资源
  •  

    图文:
    7-5 MCP-Tools 调用外部工具完成任务
  •  

    图文:
    7-6 MCP-Prompts 可复用的提示模板
  •  

    图文:
    7-7 MCP-通信协议与生命周期
  •  

    图文:
    7-8 面试现场:Function Call & MCP 高频问答与答题框架
  •  

    视频:
    7-9 Function Call 案例背景讲解
    08:04
  •  

    视频:
    7-10 完整Function Call 案例源码讲解+执行演示
    07:21
  •  

    视频:
    7-11 MCP实战案例背景讲解
    05:31
  •  

    视频:
    7-12 MCP实战案例源码分析
    07:24
  •  

    视频:
    7-13 MCP实战案例流程演示
    10:12
第8章 模型开发篇:可复用技能 Skill
4 节|9分钟

展开

  •  

    图文:
    8-1 初识 Skill-从“会聊天”到“会干活”的关键能力
  •  

    图文:
    8-2 Skill 的结构与触发机制
  •  

    图文:
    8-3 面试现场:Skill 高频问答与答题框架
  •  

    视频:
    8-4 Skill 可复用技能案例演示
    08:02
第9章 结束篇
1 节|

展开

  •  

    图文:
    9-1 结束语
本课程已完结
阅读全文
资源下载
下载价格59 元
虚拟资源,一经购买,概不退款,如有问题联系客服QQ:630965719!
常见问题
是否支持单个资源购买?
答:点击“立即购买”,即是单个资源购买。
开通VIP会员后,是否支持全部资源下载,如何开通VIP会员?
答:点击“升级VIP”按钮,支付完成后即可开通VIP会员,VIP会员支持全站课程免费下载。
链接失效怎么办?
答:联系客服QQ:630965719,获取最新下载链接。
原文链接:https://www.itspxx.com/qyjs/dmx/4729/,转载请注明出处。
0

评论0

Node.js线上服务器部署与发布
Node.js线上服务器部署与发布
9分钟前 有人购买 去瞅瞅看
根据资源的价值可换购本站的课程,资源价值越高还可换取本站会员!全站课程无秘网盘可分享!会员免费观看全站资源!如有问题请联系客服QQ:630965719!本站任何课程包更新至完结!联系客服QQ:630965719,换购教程!
显示验证码
没有账号?注册  忘记密码?