从0到1训练私有大模型 ，企业急迫需求，抢占市场先机 | 更新至8章

【资源介绍】：

从核心原理、技术+ PEFT微调大模型+ LangChain构建知识库问答，你也能打造属于自己的大模型ChatGPT

结合ChatGPT实现智能助手只是第一步？企业真正急迫需求是构建符合自己业务需求的AI智能助手，核心技能训练和微调私有的大模型？本课深入企业需求，从ChatGPT背后原理、技术、不同大模型知识开始，带你从0到1训练出一个大模型，运用PEFT技巧微调大模型解决场景需求，最后用LangChain+训练的大模型搭建知识库问答。让你掌握大模型LLM构建的原理、技术、流程与实战，超越大多数竞争者，抢占先机，脱颖而出。

【资源目录】:

├──第1章 课程介绍

| ├──[1.1]–1-1 【导航】课程导学&让你快速了解课程.mp4 37.45M

| ├──[1.2]–1-2 【内容安排】课程安排和学习建议.mp4 12.94M

| ├──[1.3]–1-3 【行业发展】ChatGPT对行业、社会有什么影响，我们要.mp4 34.14M

| ├──[1.4]–1-4 【发展史】ChatGPT的简要历史.mp4 15.56M

| └──[1.5]–1-5 【学习须知】本课程为什么使用gpt2而不是gpt3.mp4 5.37M

├──第2章 训练模型与开发平台环境

| ├──[2.1]–2-1 【认知】为什么要引入paddle？平时使用torch，学.mp4 7.26M

| ├──[2.2]–2-2 【框架】paddle和torch与tensorflow对.mp4 10.62M

| ├──[2.3]–2-3 【NLP工具和预训练模型】paddleNLP和huggi.mp4 5.37M

| ├──[2.4]–2-4 【平台】介绍aistudio.mp4 24.62M

| └──[2.5]–2-5 【工具】介绍基于gpt4的IDE cursor.mp4 16.35M

├──第3章 chatGPT初始技术词向量原理剖析与实战

| ├──[3.10]–3-10 【激活函数】常见七种激活函数对比.mp4 20.66M

| ├──[3.11]–3-11 【预训练语言模型】RNN-LSTM-ELMO.mp4 36.02M

| ├──[3.12]–3-12 本章梳理小结.mp4 5.24M

| ├──[3.1]–3-1 【认知】词向量，词向量与gpt的关系.mp4 8.00M

| ├──[3.2]–3-2 【语言模型】语言模型和评估指标PPL.mp4 22.19M

| ├──[3.3]–3-3 【词向量模型】word2vec-cbow和skipgra.mp4 14.23M

| ├──[3.4]–3-4 【softmax加速】是softmax 树型优化.mp4 23.99M

| ├──[3.5]–3-5 【softmax加速】softmax负采样优化.mp4 20.23M

| ├──[3.6]–3-6 【数据准备与预处理】word2vec实战（1）.mp4 55.92M

| ├──[3.7]–3-7 【数据准备与预处理】word2vec实战（2）.mp4 30.74M

| ├──[3.8]–3-8 【模型训练】word2vec实战-模型开发和训练（1）.mp4 22.09M

| └──[3.9]–3-9 【模型训练】word2vec实战-模型开发和训练（2）.mp4 33.52M

├──第4章 chatGPT基石模型——基于Transformer架构的语言模型

| ├──[4.10]–4-10 transformer-xl解决长序列的问题（2）.mp4 25.93M

| ├──[4.11]–4-11 本章梳理总结.mp4 6.31M

| ├──[4.1]–4-1 本章介绍.mp4 2.05M

| ├──[4.2]–4-2 seq2seq结构和注意力.mp4 21.71M

| ├──[4.3]–4-3 seq2seq-attention的一个案例.mp4 10.33M

| ├──[4.4]–4-4 transformer的multi-head atten.mp4 37.44M

| ├──[4.5]–4-5 transformer的残差链接-解决梯度消失问题.mp4 12.24M

| ├──[4.6]–4-6 transformer的layernorm-归一化提升训.mp4 10.20M

| ├──[4.7]–4-7 transformer的decoder 解码器.mp4 14.02M

| ├──[4.8]–4-8 sparse-transformer 稀疏模型.mp4 10.66M

| └──[4.9]–4-9 transformer-xl 解决长序列的问题（1）.mp4 25.67M

├──第5章 基于Transformer另一分支Bert系列分析与实战

| ├──[5.10]–5-10 bert(transformer encoder)主要.mp4 40.59M

| ├──[5.11]–5-11 bert(transformer encoder)的完.mp4 79.77M

| ├──[5.12]–5-12 Ernie文心一言基础模型（1）.mp4 24.86M

| ├──[5.13]–5-13 Ernie文心一言基础模型（2）.mp4 12.77M

| ├──[5.14]–5-14 plato百度对话模型（1）.mp4 26.03M

| ├──[5.15]–5-15 plato 百度对话模型（2）.mp4 28.33M

| ├──[5.16]–5-16 本章总结.mp4 12.36M

| ├──[5.1]–5-1 本章介绍.mp4 1.78M

| ├──[5.2]–5-2 metric-评估指标(BLUE-rouge-L-MET.mp4 32.78M

| ├──[5.3]–5-3 常见 subword 算法（BPE-wordpiece）.mp4 9.80M

| ├──[5.4]–5-4 常见的NLP任务.mp4 9.93M

| ├──[5.5]–5-5 bert 预训练模型.mp4 38.97M

| ├──[5.6]–5-6 bert情感分析实战—-paddle（1）.mp4 42.87M

| ├──[5.7]–5-7 bert情感分析实战—-paddle（2）.mp4 49.98M

| ├──[5.8]–5-8 evaluate和predict方法—-paddle.mp4 27.23M

| └──[5.9]–5-9 bert(transformer encoder)主要源.mp4 40.85M

├──第6章 chatGPT的核心技术——强化学习

| ├──[6.10]–6-10 actor-critic（2）.mp4 11.25M

| ├──[6.11]–6-11 TRPO+PPO（1）.mp4 39.37M

| ├──[6.12]–6-12 TRPO+PPO（2）.mp4 27.95M

| ├──[6.13]–6-13 DQN代码实践–torch-1.mp4 41.11M

| ├──[6.14]–6-14 DQN代码实践–torch-2.mp4 46.69M

| ├──[6.15]–6-15 DoubleDQN+DuelingDQ代码–torc.mp4 48.83M

| ├──[6.16]–6-16 REINFORCE代码–torch.mp4 45.86M

| ├──[6.17]–6-17 PPO代码实践–torch.mp4 61.06M

| ├──[6.18]–6-18 强化学习-本章总结.mp4 16.52M

| ├──[6.1]–6-1 RL是什么＆为什么要学习RL.mp4 20.49M

| ├──[6.2]–6-2 强化学习章介绍.mp4 4.24M

| ├──[6.3]–6-3 RL基础概念.mp4 11.45M

| ├──[6.4]–6-4 RL马尔可夫过程.mp4 27.44M

| ├──[6.5]–6-5 RL三种方法（1）.mp4 28.39M

| ├──[6.6]–6-6 RL三种方法（2）.mp4 10.08M

| ├──[6.7]–6-7 DQN和DQN的2种改进算法（1）.mp4 17.85M

| ├──[6.8]–6-8 DQN和DQN的2种改进算法（2）.mp4 23.57M

| └──[6.9]–6-9 actor-critic（1）.mp4 36.07M

├──第7章 chatGPT技术演变——从GPT 1 开始的大模型发展与演化

| ├──[7.10]–7-10 Antropic LLM大型语言模型.mp4 39.07M

| ├──[7.11]–7-11 GPT-本章总结.mp4 12.68M

| ├──[7.1]–7-1 GPT1 模型.mp4 24.11M

| ├──[7.2]–7-2 GPT2 模型.mp4 24.79M

| ├──[7.3]–7-3 GPT3 模型-1.mp4 29.10M

| ├──[7.4]–7-4 GPT3 模型-2.mp4 25.83M

| ├──[7.5]–7-5 gpt-codex 基于GPT技术开发的模型.mp4 22.57M

| ├──[7.6]–7-6 alphaCode基于GPT技术开发的模型-1.mp4 27.74M

| ├──[7.7]–7-7 alphaCode基于GPT技术开发的模型-2.mp4 16.09M

| ├──[7.8]–7-8 instruct-gpt 基于GPT技术开发的模型-1.mp4 21.30M

| └──[7.9]–7-9 instruct-gpt 基于GPT技术开发的模型-2.mp4 24.96M

└──第8章 RLHF训练类ChatGPT模型代码实战

| ├──[8.10]–8-10 RLHF强化学习人类反馈的训练-model-base.mp4 23.30M

| ├──[8.11]–8-11 RLHF强化学习人类反馈的训练-model-opt.mp4 12.40M

| ├──[8.13]–8-13 RLHF强化学习人类反馈的训练-generation（.mp4 46.63M

| ├──[8.14]–8-14 RLHF强化学习人类反馈的训练-exp_maker（1.mp4 30.23M

| ├──[8.15]–8-15 RLHF强化学习人类反馈的训练-exp_maker（2.mp4 41.16M

| ├──[8.16]–8-16 RLHF强化学习人类反馈的训练-buffer-util.mp4 53.57M

| ├──[8.17]–8-17 RLHF强化学习人类反馈的训练-buffer-loss.mp4 43.34M

| ├──[8.19]–8-19 RLHF强化学习人类反馈的训练-main.mp4 66.87M

| ├──[8.1]–8-1 chatGPT训练实战.mp4 12.73M

| ├──[8.2]–8-2 SFT有监督的训练-数据处理.mp4 58.50M

| ├──[8.3]–8-3 SFT有监督训练-trainer.mp4 36.27M

| ├──[8.4]–8-4 SFT有监督训练-train.mp4 59.50M

| ├──[8.5]–8-5 RM训练-model+dataset（1）.mp4 26.43M

| ├──[8.6]–8-6 RM训练-model+dataset（2）.mp4 24.84M

| ├──[8.7]–8-7 RM训练-trainer.mp4 29.42M

| ├──[8.8]–8-8 RM训练-train-rm.mp4 33.74M

| └──[8.9]–8-9 RLHF强化学习人类反馈的训练-dataset.mp4 13.82M