|
|
发表于 2025-9-3 17:15:48
|
查看: 45 |
回复: 0
## 📘 **课程简介**
本课程系统性地覆盖AI大模型开发全栈技术，从数学基础（导数、矩阵运算、概率论、凸优化）到现代深度学习架构（RNN、LSTM、Transformer、BERT、LLaMA），结合LangChain应用开发、PyTorch实战、提示词工程以及大模型训练与微调技术（包括PEFT、LoRA等高效方法）。学员将通过实际项目（如书籍自动翻译、销售客服机器人、多模态生成任务）掌握工业级AI解决方案的开发与部署，具备独立完成大模型应用设计、训练优化及推理落地的能力。课程注重实战，涵盖GPU显存管理、分布式训练、模型压缩和API服务化等关键技术，适合希望深入AI大模型领域的技术开发者和研究者。
---
## **下载地址**
---
## 📂 **课程目录**
## msb-AI大模型工程师
### 课时01 大模型直播课 NO.2766.3701
- 🎬 课时01 VIP开营和AI大模型的尝鲜-.mp4
- 🎬 课时02 国内外各种大模型应用开发-.mp4
- 🎬 课时03 各种链的组装和案例-.mp4
- 🎬 课时04 Langchain中的LCEL语法-.mp4
### 课时02 大模型理论基础 NO.2641
- 🎬 课时01 01自然语言处理初期发展-.mp4
- 🎬 课时02 0基础预热知识-.mp4
- 🎬 课时03 06AI大模型学习建议-.mp4
- 🎬 课时04 01详解Transformerpart1-.mp4
- 🎬 课时05 02Transformer详解之位置编码-.mp4
- 🎬 课时06 03Transformer详解之add和norm-.mp4
- 🎬 课时07 04Transformer详解之decoder-.mp4
- 🎬 课时08 05Transformer详解之输出层-.mp4
- 🎬 课时09 07BERT详解-.mp4
- 🎬 课时10 08GPT1详解-.mp4
### 课时03 AI大模型提示词工程深入实战 NO.2662
- 🎬 课时01 001chatgptPrompt提示词工程课程介绍-.mp4
- 🎬 课时02 002prompt和Promptengineering剖析-.mp4
- 🎬 课时03 大模型介绍,使用大模型生成简历,写小红书文案,生成图片-.mp4
- 🎬 课时04 004提示词基本技巧_灵活运营指令符号_指定输出格式markdown结合xmind生成思维导图-.mp4
- 🎬 课时05 005自己定义格式输出_使用openrouter对比大模型结果-.mp4
- 🎬 课时06 006plantuml和json格式输出并使用vscode展示-.mp4
- 🎬 课时07 007mermaid格式输出-.mp4
- 🎬 课时08 008使用chatgpt的gpts制作流程图-.mp4
- 🎬 课时09 009如何使用角色扮演写好提示词-.mp4
- 🎬 课时10 010写好结构化提示词的4要素-.mp4
- 🎬 课时11 011充分费曼学习法写好提示词-.mp4
- 🎬 课时12 01280_20原则激发大模型指导学习-.mp4
- 🎬 课时13 013写一条利用番茄工作法Prompt-.mp4
- 🎬 课时14 014利用SQ3R学习法构建提示词Prompt-.mp4
- 🎬 课时15 015结合艾宾浩斯遗忘曲线构建学习计划Prompt-.mp4
- 🎬 课时16 016交叉主题和双编码概念设计Prompt-.mp4
- 🎬 课时17 017kimi,gpt4,文心一言,gemini等大模型对比分块学习法和多感官学习法提示词的效果-.mp4
- 🎬 课时18 018playground调试学习tempaturemax_tokens参数-.mp4
- 🎬 课时19 019topP参数Presencepenalty和Frequencypeanalty参数对比-.mp4
- 🎬 课时20 020零样本提示词和零样本思维链技巧-.mp4
- 🎬 课时21 021通过零样本思维链辅导小孩做数学题-.mp4
- 🎬 课时22 022少样本和少样本思维链-.mp4
- 🎬 课时23 023大模型self-consistency特性-.mp4
- 🎬 课时24 024TOT思维树提示词构建深入剖析-.mp4
- 🎬 课时25 024思维树提示词构建深入剖析-.mp4
- 🎬 课时26 025anaconda环境搭建-.mp4
- 🎬 课时27 026ancondajupyternotebook使用和虚拟环境构建-.mp4
- 🎬 课时28 027python抓取抖音热榜数据集-.mp4
- 🎬 课时29 028爬取对标账号首页数据之影刀介绍-.mp4
- 🎬 课时30 029使用影刀抓取抖音用户首页所有标题描述数据-.mp4
- 🎬 课时31 030使用大模型学习如何写爆款标题-.mp4
- 🎬 课时32 转-031提示词工程化之深入剖析结构化提示词-.mp4
- 🎬 课时33 转-032结构化提示词实战诗人提示词-.mp4
- 🎬 课时34 转-033设计小红书,公众号,头条号的爆款结构化提示词-.mp4
- 🎬 课时35 转-034非常牛叉通过结构化提示词设计一个python网络爬虫-.mp4
- 🎬 课时36 转-035必看这一个牛叉的逆向提示词工程-.mp4
- 🎬 课时37 转-036小红书创作文案同时生成抖音的脚本和分镜头-.mp4
- 🎬 课时38 转-037小红书种草笔记结构化提示词-.mp4
- 🎬 课时39 转-038生成本科论文结构化提示词-.mp4
- 🎬 课时40 转-039短篇小说提示词创作爆款微头条-.mp4
- 🎬 课时41 转-GPT4o-.mp4
- 🎬 课时42 041chatgpt开发介绍并完成一个postman请求gptapi2-.mp4
- 🎬 课时43 042python编程实现提示词原则比如特殊符号输出格式步骤-.mp4
- 🎬 课时44 043python编程之提示词工程思维链-.mp4
- 🎬 课时45 044提示词迭代优化-.mp4
- 🎬 课时46 045文本概括提示词-.mp4
- 🎬 课时47 046提示词文本推断inferring-.mp4
- 🎬 课时48 047文本转换transforming-.mp4
- 🎬 课时49 048文本扩展,自动回复邮件评价邮件temperature设定下情况有什么变化-.mp4
- 🎬 课时50 049订餐机器人和playground模式生成代码之怎么python编程写提示词工程-.mp4
### 课时04 OpenAI之嵌入式 Embedding模型 NO.2653
- 🎬 课时01 01AI中数据的本质-.mp4
- 🎬 课时02 02Representation和Embedding-.mp4
- 🎬 课时03 03Embedding介绍-.mp4
- 🎬 课时04 04词嵌入和必要条件-.mp4
- 🎬 课时05 05Embedding开发准备-.mp4
- 🎬 课时06 06Embedding开发(一)-.mp4
- 🎬 课时07 07Embedding开发(二)-.mp4
- 🎬 课时08 08T-SNE可视化数据-.mp4
- 🎬 课时09 09T-SNE可视化数据2-.mp4
- 🎬 课时10 10T-SNE可视化数据3-.mp4
- 🎬 课时11 11基于Embedding的相似搜索1-.mp4
- 🎬 课时12 12基于Embedding的相似搜索2-.mp4
- 🎬 课时13 13OpenAI中模型的分词1-.mp4
- 🎬 课时14 14OpenAI中模型的分词2-.mp4
- 🎬 课时15 15OpenAI的模型操作API-.mp4
- 🎬 课时16 16OpenAi模型的实战案例1-.mp4
- 🎬 课时17 17聊天机器人实战案例1-.mp4
- 🎬 课时18 18聊天机器人实战案例2-.mp4
### 课时05 基于OpenAI的 大模型开发与实战 NO.2690
- 🎬 课时01 19构建一个AI助手(一)-.mp4
- 🎬 课时02 20构建一个AI助手(二)-.mp4
- 🎬 课时03 21构建一个AI助手(三)-.mp4
- 🎬 课时04 22GPT模型输入图片(一)-.mp4
- 🎬 课时05 23GPT模型输入图片(二)-.mp4
- 🎬 课时06 24生成图片的实战案例(一)-.mp4
- 🎬 课时07 25生成图片的实战案例(二)-.mp4
- 🎬 课时08 26给李云龙配音-.mp4
- 🎬 课时09 27郭德纲相声的英文版-.mp4
### 课时06 基于大模型的 智能翻译助手 NO.2692
- 🎬 课时01 28书籍自动翻译项目需求-.mp4
- 🎬 课时02 29书籍自动翻译项目参数和初始化-.mp4
- 🎬 课时03 30PDF文件的解析工具(一)-.mp4
- 🎬 课时04 31PDF文件的解析工具(二)-.mp4
- 🎬 课时05 32调用openAI的模型接口-.mp4
- 🎬 课时06 日志模块的补充知识一-.mp4
- 🎬 课时07 日志模块补充知识二-.mp4
- 🎬 课时08 日志模块补充知识三-.mp4
- 🎬 课时09 33书本内容解析操作(一)-.mp4
- 🎬 课时10 34书本内容解析操作(二)-.mp4
- 🎬 课时11 35书本内容解析操作(三)-.mp4
- 🎬 课时12 36大模型翻译核心(一)-.mp4
- 🎬 课时13 37调用AI大模型翻译文本-.mp4
- 🎬 课时14 38处理翻译之后的文本-.mp4
- 🎬 课时15 39Writer模块实现-.mp4
- 🎬 课时16 40翻译文本写入段落中-.mp4
- 🎬 课时17 41翻译表格写入Table中-.mp4
- 🎬 课时18 42翻译文本写入MD-.mp4
- 🎬 课时19 43翻译表格写入MD-.mp4
- 🎬 课时20 44调用Writer模块-.mp4
- 🎬 课时21 45调用Translator模块-.mp4
- 🎬 课时22 46整个项目综合调试-.mp4
- 🎬 课时23 47书籍翻译器启动-.mp4
- 🎬 课时24 48书籍翻译器生成MD-.mp4
### 课时07 Huggingface 基础教程 NO.2645
- 🎬 课时01 01pytorch介绍-.mp4
- 🎬 课时02 02pytorch安装-.mp4
- 🎬 课时03 03pytorch张量基础操作和基础运算-.mp4
- 🎬 课时04 04pytorch自动微分-.mp4
- 🎬 课时05 01pytorch实现原始线性回归-.mp4
- 🎬 课时06 02pytorch实现线性回归封装写法-.mp4
- 🎬 课时07 03pytorch实现分类问题-.mp4
- 🎬 课时08 01模型的子类写法-.mp4
- 🎬 课时09 02使用dataset重构代码-.mp4
- 🎬 课时10 03使用DataLoader重构代码-.mp4
- 🎬 课时11 04添加校验代码-.mp4
- 🎬 课时12 05封装-.mp4
- 🎬 课时13 01使用pytorch搭建cnn实现手写数字识别-.mp4
- 🎬 课时14 014种天气数据处理-.mp4
- 🎬 课时15 02图片预处理-.mp4
- 🎬 课时16 03添加dropout层-.mp4
- 🎬 课时17 04添加BN层-.mp4
- 🎬 课时18 01vgg16迁移学习-.mp4
- 🎬 课时19 02学习率衰减-.mp4
- 🎬 课时20 03数据增强-.mp4
- 🎬 课时21 01模型参数保存-.mp4
- 🎬 课时22 02自定义dataset-.mp4
- 🎬 课时23 03自定义数据集问题解决-.mp4
- 🎬 课时24 tensorboard的使用-.mp4
- 🎬 课时25 10huggingface简介和安装-.mp4
- 🎬 课时26 09huggingface开发流程-.mp4
- 🎬 课时27 11编码器基础工作流-.mp4
- 🎬 课时28 12编码器基本编码函数-.mp4
- 🎬 课时29 13编码器进阶编码函数-.mp4
- 🎬 课时30 14批量编码和字典-.mp4
- 🎬 课时31 05数据集工具之加载和保存数据集-.mp4
- 🎬 课时32 06数据集工具之基本操作-.mp4
- 🎬 课时33 07数据集工具之保存为其他格式-.mp4
- 🎬 课时34 15评价指标-.mp4
- 🎬 课时35 16管道工具之常见任务类型1-.mp4
- 🎬 课时36 17管道工具之常见任务类型2-.mp4
- 🎬 课时37 18训练工具之数据准备和模型加载-.mp4
- 🎬 课时38 19训练工具之加载评估指标-.mp4
- 🎬 课时39 20训练工具之训练超参数,训练器和数据整理函数-.mp4
- 🎬 课时40 21训练工具之训练和测试-.mp4
- 🎬 课时41 22训练工具之模型保存和加载-.mp4
- 🎬 课时42 23训练工具之预测-.mp4
- 🎬 课时43 24中文分类之加载编码器-.mp4
- 🎬 课时44 25中文分类之定义数据集和计算设备-.mp4
- 🎬 课时45 26中文分类之数据整理函数-.mp4
- 🎬 课时46 27中文分类之数据加载器和预训练模型加载-.mp4
- 🎬 课时47 28中文分类之定义下游任务模型-.mp4
- 🎬 课时48 29中文分类之训练过程-.mp4
- 🎬 课时49 30中文分类之测试-.mp4
### 课时08 大模型应用开发框架LangChain NO.2650
- 🎬 课时01 01Langchain是什么-.mp4
- 🎬 课时02 02Langchain的核心-.mp4
- 🎬 课时03 03Langchain的底层原理-.mp4
- 🎬 课时04 04Langchain的环境和监控-.mp4
- 🎬 课时05 05采用Langtain调用LLM-.mp4
- 🎬 课时06 06Langchain的提示模板-.mp4
- 🎬 课时07 07部署你的langchain程序-.mp4
- 🎬 课时08 08LangChain构建聊天机器人-.mp4
- 🎬 课时09 09流式输出的处理-.mp4
- 🎬 课时11 11检索器和模型结合-.mp4
- 🎬 课时12 12Tavily搜索工具-.mp4
- 🎬 课时13 13Agent代理的使用-.mp4
- 🎬 课时14 14构建RAG对话应用(一)-.mp4
- 🎬 课时15 15构建RAG问答应用(二)-.mp4
- 🎬 课时16 16构建RAG问答应用(三)-.mp4
- 🎬 课时17 17Langchain读取数据库-.mp4
- 🎬 课时18 18Langchain和数据库整合-.mp4
- 🎬 课时19 19Agent整合数据库-.mp4
- 🎬 课时20 20爬取Youtube字幕并构建向量数据库-.mp4
- 🎬 课时21 21执行代码并保存向量数据库-.mp4
- 🎬 课时22 22加载向量数据库并测试(2)-.mp4
- 🎬 课时23 23定义数据模型得到检索指令-.mp4
- 🎬 课时24 24根据检索条件去执行-.mp4
- 🎬 课时25 25提取和输出结构化数据-.mp4
- 🎬 课时26 26提取多个对象-.mp4
- 🎬 课时27 27生成一些文本数据-.mp4
- 🎬 课时28 28生成结构化的数据(一)-.mp4
- 🎬 课时29 29生成结构化的数据(二)-.mp4
- 🎬 课时30 30实现文本分类(一)-.mp4
- 🎬 课时31 31实现文本分类(二)-.mp4
- 🎬 课时32 32文本自动摘要的三种方式-.mp4
- 🎬 课时33 33文本自动摘要Stuff方式-.mp4
- 🎬 课时34 34文本自动摘要MapReduce(一)-.mp4
- 🎬 课时35 35文本自动摘要MapReduce(二)-.mp4
- 🎬 课时36 36文本自动摘要Refine方式-.mp4
### 课时09 AI大模型实践项目 NO.2691
- 🎬 课时01 01构建项目环境-.mp4
- 🎬 课时02 02项目配置模块(一)-.mp4
- 🎬 课时03 03项目配置模块(二)-.mp4
- 🎬 课时04 05项目中管理大语言模型-.mp4
- 🎬 课时05 06替换为Langchain翻译-.mp4
- 🎬 课时06 07Langchain中的提示模板设置-.mp4
- 🎬 课时07 08调用和执行Langchain-.mp4
- 🎬 课时08 09项目翻译器启动-.mp4
- 🎬 课时09 10Gradio的可视化介绍-.mp4
- 🎬 课时10 11Gradio的计算器案例-.mp4
- 🎬 课时11 12Gradio进度条案例-.mp4
- 🎬 课时12 13Gradio聊天和流式输出-.mp4
### 课时10 大模型 LLaMA 深度解析 NO.2699
- 🎬 课时01 01_LLaMA概述-.mp4
- 🎬 课时02 02_训练LLaMA使用的数据集-.mp4
- 🎬 课时03 03_LLaMA大模型整体架构-.mp4
- 🎬 课时04 04_InputEmbedding模块-.mp4
- 🎬 课时05 05_为什么要去进行归一化-.mp4
- 🎬 课时06 06_深入理解归一化对于大模型的重要性-.mp4
- 🎬 课时07 07_BatchNorm-.mp4
- 🎬 课时08 08_LayerNorm-.mp4
- 🎬 课时09 09_RMSNorm-.mp4
- 🎬 课时10 10_绝对位置编码-.mp4
- 🎬 课时11 11_相对位置编码-.mp4
- 🎬 课时12 12_RoPE-.mp4
- 🎬 课时13 13_SwiGLU-.mp4
- 🎬 课时14 14_语言模型的本质与MaskedSelfAttention-.mp4
- 🎬 课时15 15_KVcache是如何计算提高效率的-.mp4
- 🎬 课时16 16_MQA和GQA-.mp4
- 🎬 课时17 17_代码实战之ModelArgs-.mp4
- 🎬 课时18 18_代码实战之构建Transformer-.mp4
- 🎬 课时19 19_代码实战之提前计算RoPE需要的mθ-.mp4
- 🎬 课时20 20_代码实战之将x按照2个值一组进行分组-.mp4
- 🎬 课时21 21_代码实战之对token的向量应用旋转矩阵-.mp4
- 🎬 课时22 22_代码实战之RMSNorm-.mp4
- 🎬 课时23 23_代码实战之EncoderBlock-.mp4
- 🎬 课时24 24_代码实战之SelfAttention类的初始化-.mp4
- 🎬 课时25 25_代码实战之SelfAttention中应用RoPE和对KV进行缓存-.mp4
- 🎬 课时26 26_代码实战之应用公式计算SelfAttention-.mp4
- 🎬 课时27 27_代码实战之为了实现GQA需要对KV进行拷贝-.mp4
- 🎬 课时28 28_代码实战之计算FFN中隐藏层节点数量-.mp4
- 🎬 课时29 29_代码实战之FFN中三个矩阵以及SwishGLU的运算实现-.mp4
- 🎬 课时30 30_代码实战之加载checkpoint文件-.mp4
- 🎬 课时31 31_代码实战之加载分词器、model模型及模型参数-.mp4
- 🎬 课时32 32_代码实战之测试模型加载-.mp4
- 🎬 课时33 33_代码实战之模型推理预测-.mp4
- 🎬 课时34 34_代码实战之准备模型推理需要的输入tokens张量-.mp4
- 🎬 课时35 35_代码实战之模型生成与解码得到response文本-.mp4
- 🎬 课时36 36_代码实战之运行结果展示-.mp4
- 🎬 课时37 37_什么是推理的策略-.mp4
- 🎬 课时38 38_GreedySearch-.mp4
- 🎬 课时39 39_BeamSearch-.mp4
- 🎬 课时40 40_Temperature-.mp4
- 🎬 课时41 41_RandomSampling-.mp4
- 🎬 课时42 42_基于TopK的随机采样-.mp4
- 🎬 课时43 43_基于TopP的随机采样-.mp4
- 🎬 课时44 44_代码实战之增加TopP采样策略-.mp4
- 🎬 课时45 45_代码实战之测试TopP采样策略-.mp4
### 课时11 国产大模型 ChatGLM 深度实战 NO.2652
- 🎬 课时01 01智普GLM大模型介绍-.mp4
- 🎬 课时02 02GLM-4大模型的开发环境介绍-.mp4
- 🎬 课时03 03GLM-4大模型的调用方式-.mp4
- 🎬 课时04 04使用魔塔社区的Embeddings(一)-.mp4
- 🎬 课时05 05使用魔塔社区的Embeddings(二)-.mp4
- 🎬 课时06 06自定义Tools(一)-.mp4
- 🎬 课时07 07自定义Tools(二)-.mp4
- 🎬 课时08 08GLM整合数据库操作-.mp4
- 🎬 课时09 09自定义长Chain(链)执行SQL-.mp4
- 🎬 课时10 10RAG文件加载器(一)-.mp4
### 课时13 大模型微调和部署 NO.2651
- 🎬 课时01 01_微调、提示词工程、RAG都是为了更好的应用大模型-.mp4
- 🎬 课时02 02_传统大模型训练流程-.mp4
- 🎬 课时03 03_微调对比RAG的区别与微调的好处-.mp4
- 🎬 课时04 04_指令数据集构造方式-.mp4
- 🎬 课时05 05_PEFT与传统微调的区别和PEFT的各种方法-.mp4
- 🎬 课时06 06_Bitfit实战之模块导入与加载数据集-.mp4
- 🎬 课时07 07_Bitfit实战之加载与使用分词器-.mp4
- 🎬 课时08 08_Bitfit实战之构建大模型训练对于每条样本所需的数据格式-.mp4
- 🎬 课时09 09_Bitfit实战之调用封装的函数对样本进行转换并验证-.mp4
- 🎬 课时10 10_Bitfit实战之加载模型与统计模型参数量-.mp4
- 🎬 课时11 12_Bitfit实战之Bitfit算法实现-.mp4
- 🎬 课时12 13_Bitfit实战之配置训练参数、创建训练器及训练-.mp4
- 🎬 课时13 14_Bitfit实战之总结、明确显存在程序执行过程中的变化-.mp4
- 🎬 课时14 15_Prompt实战之理解SoftPromptLearning-.mp4
- 🎬 课时15 16_Prompt实战之不同的任务去学习得到不同的SoftPromptVirtualtokens-.mp4
- 🎬 课时16 17_Prompt实战之VirtualTokens的初始化-.mp4
- 🎬 课时17 18_Prompt实战之VirtualTokens的训练-.mp4
- 🎬 课时18 19_Prompt实战之高效的多任务Serving-.mp4
- 🎬 课时19 20_Prompt实战之PromptTuning的特性及优缺点-.mp4
### 课时14 大模型核心硬件选型和私有化 NO.2657.3551
- 🎬 课时01 01GPU的介绍-.mp4
- 🎬 课时02 02CUDA核心和Tenser核心-.mp4
- 🎬 课时03 03大模型推理和微调所需显存-.mp4
- 🎬 课时04 04AI大模型的云平台-.mp4
- 🎬 课时05 05准备大模型部署的环境-.mp4
- 🎬 课时06 06下载模型和加载模型文件-.mp4
- 🎬 课时07 07大模型处数据格式和输入-.mp4
- 🎬 课时08 08大模型流式处理数据-.mp4
- 🎬 课时09 09大模型私有化的应用案例-.mp4
- 🎬 课时10 10私有化部署并启动AI应用-.mp4
- 🎬 课时11 11AI大模型的对外调用接口-.mp4
- 🎬 课时12 12大模型提供调用接口实现(一)-.mp4
- 🎬 课时13 13大模型提供调用接口实现(二)-.mp4
- 🎬 课时14 14大模型提供调用接口实现(三)-.mp4
- 🎬 课时15 15大模型提供调用接口实现(四)-.mp4
- 🎬 课时16 16大模型调用并输出-.mp4
- 🎬 课时17 17大模型提供调用接口实现(六)-.mp4
- 🎬 课时18 18大模型提供调用接口实现(七)-.mp4
- 🎬 课时19 19大模型提供调用接口实现(八)-.mp4
- 🎬 课时20 20大模型提供调用接口实现(九)-.mp4
- 🎬 课时21 21大模型提供调用接口实现(十)-.mp4
### 课时15 从0到1训练私有大模型 NO.2647
- 🎬 课时01 01_模型训练GPU空间占用的计算-.mp4
- 🎬 课时02 02_如何降低模型本身对GPU空间的占用-.mp4
- 🎬 课时03 03_代码实战通过modelscope下载模型文件-.mp4
- 🎬 课时04 04_半精度float16和其优势-.mp4
- 🎬 课时05 05_上溢出和下溢出、启用半精度的方法-.mp4
- 🎬 课时06 06_LLaMA3.1的介绍与不同版本区别-.mp4
- 🎬 课时07 07_LLaMA3.1的整体概览与模型架构调整-.mp4
- 🎬 课时08 08_Llama3.1代码实战之导包和数据预处理-.mp4
- 🎬 课时09 09_Llama3.1代码实战之加载basemodel-.mp4
- 🎬 课时10 10_Llama3.1代码实战之半精度模型本地训练-.mp4
- 🎬 课时11 11_Llama3.1代码实战之租用云端服务器和vscode远程登陆-.mp4
- 🎬 课时12 12_云端服务器下载Llama3.1模型-.mp4
- 🎬 课时13 13_云端服务器克隆实例到新的节点-.mp4
- 🎬 课时14 14_云端服务器运行Llama3.1模型训练-.mp4
- 🎬 课时15 15_Llama3.1模型训练优化之开启梯度检查点-.mp4
- 🎬 课时16 16_Llama3.1模型训练细节总结-.mp4
- 🎬 课时17 17_CausalLM与PrefixLM的区别-.mp4
- 🎬 课时18 18_GLM4架构涉及的技术点与GLM家族发展概览-.mp4
- 🎬 课时19 19_GLM模型作为PrefixLM预训练时的方式方法-.mp4
- 🎬 课时20 20_GLM4模型训练时该如何组织数据-.mp4
- 🎬 课时21 21_云服务器GLM4模型下载和升级transformers模块-.mp4
- 🎬 课时22 22_云服务器跨实例拷贝大模型GLM4-.mp4
- 🎬 课时23 23_加载GLM4分词器与模型-.mp4
- 🎬 课时24 24_构建测试数据并且使用GLM4进行推理-.mp4
- 🎬 课时25 25_组织GLM4训练数据-.mp4
- 🎬 课时26 26_加载GLM4模型以及构建相应的Lora模型-.mp4
- 🎬 课时27 27_GLM4模型半精度训练及数值下溢问题的解决-.mp4
- 🎬 课时28 28_批次变大后模型训练内存溢出的解决和训练后模型推理-.mp4
### 课时17 Huggingface 实战项目 NO.2646.3540
- 🎬 课时01 01_回顾Transformers基础组件和NLP流程-.mp4
- 🎬 课时02 02_文本分类任务之导包、加载数据集、数据集划分-.mp4
- 🎬 课时03 03_文本分类任务之模型下载、数据集预处理-.mp4
- 🎬 课时04 04_文本分类任务之加载模型、加载评估函数-.mp4
- 🎬 课时05 05_文本分类任务之设置模型训练参数、创建训练器-.mp4
- 🎬 课时06 06_文本分类任务之模型训练、推理预测-.mp4
- 🎬 课时07 07_什么是命名实体识别-.mp4
- 🎬 课时08 08_命名实体识别之导包与数据集加载-.mp4
- 🎬 课时09 09_命名实体识别之数据集预处理-.mp4
- 🎬 课时10 10_命名实体识别之加载模型和定义评估函数-.mp4
- 🎬 课时11 11_命名实体识别之使用Trainer训练、评估和预测-.mp4
- 🎬 课时12 12_命名实体识别之使用pipeline预测-.mp4
- 🎬 课时13 13_什么是多项选择任务-.mp4
- 🎬 课时14 14_多项选择任务之导包与数据集加载-.mp4
- 🎬 课时15 15_多项选择任务之数据集预处理-.mp4
- 🎬 课时16 16_多项选择任务之模型训练-.mp4
- 🎬 课时17 17_多项选择任务之模型预测-.mp4
### 课时18 基于AI大模型开发问答系统 NO.2649.3543
- 🎬 课时01 23销售客服AI机器人项目介绍-.mp4
- 🎬 课时02 24创建Vector数据库-.mp4
- 🎬 课时03 25加载向量数据库并得到Chain-.mp4
- 🎬 课时04 26测试Langchain的结果-.mp4
- 🎬 课时05 27项目的UI可视化-.mp4
- 🎬 课时06 28AI机器人正式启动-.mp4
### 课时19 程序员的数学 NO.819.1590
- 🎬 课时01 1-1-导数定义与作用-.mp4
- 🎬 课时02 1-2-左右导数与可导函数-.mp4
- 🎬 课时03 1-3-导数的几何与物理含义-.mp4
- 🎬 课时04 1-4-导数求导公式-.mp4
- 🎬 课时05 1-5-导数四则运算-.mp4
- 🎬 课时06 1-6-复合函数求导法则-.mp4
- 🎬 课时07 1-7-神经网络激活函数Sigmoid求导-.mp4
- 🎬 课时08 1-8-神经网络激活函数Tanh求导-.mp4
- 🎬 课时09 1-9-神经网络激活函数Softmax求导-.mp4
- 🎬 课时10 1-10-高阶导数-.mp4
- 🎬 课时11 1-11-导数与函数单调性-.mp4
- 🎬 课时12 1-12-极值定理-.mp4
- 🎬 课时13 1-13-函数凹凸性-.mp4
- 🎬 课时14 1-14-一元函数泰勒展开-.mp4
- 🎬 课时15 2-1-向量是什么-.mp4
- 🎬 课时16 2-2-行向量列向量-.mp4
- 🎬 课时17 3-向量运算-.mp4
- 🎬 课时18 2-4-向量的范数-.mp4
- 🎬 课时19 2-5-特殊向量-.mp4
- 🎬 课时20 2-6-矩阵是什么-.mp4
- 🎬 课时21 2-7-常见矩阵-.mp4
- 🎬 课时22 2-8-矩阵运算-.mp4
- 🎬 课时23 2-9-逆矩阵-.mp4
- 🎬 课时24 2-10-行列式-.mp4
- 🎬 课时25 2-11-伴随矩阵-.mp4
- 🎬 课时26 1-特征值与特征向量概念-.mp4
- 🎬 课时27 2-满秩矩阵-.mp4
- 🎬 课时28 3-特征值和行列式-.mp4
- 🎬 课时29 4-特征值分解定义与操作-.mp4
- 🎬 课时30 5-特征值分解意义-.mp4
- 🎬 课时31 6-向量和矩阵求导公式-.mp4
- 🎬 课时32 7-奇异值分解（SVD）-.mp4
- 🎬 课时33 8-求解奇异值分解（SVD）-.mp4
- 🎬 课时34 9-奇异值分解性质-.mp4
- 🎬 课时35 10-SVD进行数据压缩-.mp4
- 🎬 课时36 11-SVD进行PCA降维-.mp4
- 🎬 课时37 12-SVD进行矩阵求逆-.mp4
- 🎬 课时38 13-SVD进行协同过滤-.mp4
- 🎬 课时39 1-多元函数定义-.mp4
- 🎬 课时40 2-偏导数-.mp4
- 🎬 课时41 3-高阶偏导数-.mp4
- 🎬 课时42 4-梯度-.mp4
- 🎬 课时43 5-雅可比矩阵-.mp4
- 🎬 课时44 6-Hessian矩阵-.mp4
- 🎬 课时45 7-极值判定法则-.mp4
- 🎬 课时46 8-二次型-.mp4
- 🎬 课时47 1-概率论与机器学习-.mp4
- 🎬 课时48 2-随机事件-.mp4
- 🎬 课时49 3-条件概率-.mp4
- 🎬 课时50 4-随机事件独立性-.mp4
- 🎬 课时51 5-随机变量-.mp4
- 🎬 课时52 6-期望-.mp4
- 🎬 课时53 7-方差-.mp4
- 🎬 课时54 8-数学期望与方差重要公式-.mp4
- 🎬 课时55 9-随机向量-.mp4
- 🎬 课时56 10-随机变量独立性-.mp4
- 🎬 课时57 11-协方差-.mp4
- 🎬 课时58 12-机器学习中常见分布-.mp4
- 🎬 课时59 13-最大似然估计-.mp4
- 🎬 课时60 1-最优化概念-.mp4
- 🎬 课时61 2-求导与迭代求解-.mp4
- 🎬 课时62 3-梯度下降公式推导-.mp4
- 🎬 课时63 4-梯度下降代码演示-.mp4
- 🎬 课时64 5-牛顿法解方程原理-.mp4
- 🎬 课时65 6-牛顿法解方程代码演示-.mp4
- 🎬 课时66 7-牛顿法求解最优化问题-.mp4
- 🎬 课时67 8-牛顿法求解最优化代码演示-.mp4
- 🎬 课时68 9-拟牛顿法介绍-.mp4
- 🎬 课时69 10-坐标下降法-.mp4
- 🎬 课时70 11-最优化算法瓶颈-.mp4
- 🎬 课时71 12-凸优化问题-.mp4
- 🎬 课时72 13-凸集-.mp4
- 🎬 课时73 14-凸函数-.mp4
- 🎬 课时74 15-凸优化表达形式-.mp4
- 🎬 课时75 16-拉格朗日乘子法-.mp4
- 🎬 课时76 17-KKT条件-.mp4
- 🎬 课时77 18-拉格朗日对偶-.mp4
### 课时20 线性回归算法 NO.497.1370
- 🎬 课时01 9-1-数据分析部分知识回顾-.mp4
- 🎬 课时02 9-2-线性回归介绍-.mp4
- 🎬 课时03 9-3-线性回归的基本概念1-.mp4
- 🎬 课时04 9-4-线性回归的基本概念2-.mp4
- 🎬 课时05 9-5-正规方程介绍-.mp4
- 🎬 课时06 9-6-正规方程求解多元一次方程-.mp4
- 🎬 课时07 9-7-sklearn中线性方程正规方程运算-.mp4
- 🎬 课时08 9-8-sklearn带截距运算-.mp4
- 🎬 课时09 10-1-八元一次方程问题再现-.mp4
- 🎬 课时10 10-2-八元一次方程增加截距的解决方案-.mp4
- 🎬 课时11 10-3-正规方程的公式推导-.mp4
- 🎬 课时12 10-4-凸函数判定-.mp4
- 🎬 课时13 10-5-最大似然估计-.mp4
- 🎬 课时14 10-6-最小二乘法公式推导-.mp4
- 🎬 课时15 10-7-正规方程进行演示-.mp4
- 🎬 课时16 10-8-sklearn线性回归演示-.mp4
- 🎬 课时17 11-1-波士顿房价加载和查看-.mp4
- 🎬 课时18 11-2-数据拆分建模预测-.mp4
- 🎬 课时19 11-3-模型评估-.mp4
- 🎬 课时20 11-4-梯度下降的概念介绍-.mp4
- 🎬 课时21 11-5-梯度下降步骤-.mp4
- 🎬 课时22 11-6-函数与导函数求解最优解-.mp4
- 🎬 课时23 11-7-梯度下降代码演示-.mp4
- 🎬 课时24 11-8-梯度下降可视化-.mp4
- 🎬 课时25 12-2-三种梯度下降对比-.mp4
- 🎬 课时26 12-3-线性回归梯度下降更新公式-.mp4
- 🎬 课时27 12-4-BGD更新公式-.mp4
- 🎬 课时28 12-5-SGD和MBGD更新公式介绍-.mp4
- 🎬 课时29 12-6-BGD批量梯度下降代码演示-.mp4
- 🎬 课时30 12-7-BGD批量梯度下降求解多元一次方程-.mp4
- 🎬 课时31 12-8-SGD随机梯度下降计算了一元一次方程-.mp4
- 🎬 课时32 12-9-SGD随机梯度下降多元一次方程求解-.mp4
- 🎬 课时33 12-10-MBGD梯度下降代码演示-.mp4
- 🎬 课时34 13-1-归一化目的-.mp4
- 🎬 课时35 13-2-最小值最大值归一化-.mp4
- 🎬 课时36 13-3-Z-Score归一化-.mp4
- 🎬 课时37 13-4-天池工业蒸汽量项目归一化实战（一）-.mp4
- 🎬 课时38 13-5-天池工业蒸汽量项目归一化实战（二）-.mp4
- 🎬 课时39 13-6-过拟合和欠拟合正则化介绍-.mp4
- 🎬 课时40 1-归一化内容总结重点目标值归一化-.mp4
- 🎬 课时41 10-作业-.mp4
- 🎬 课时42 2-套索回归介绍-.mp4
- 🎬 课时43 3-L1正则化可视化图形-.mp4
- 🎬 课时44 4-L1正则化稀松性缩小系数到0-.mp4
- 🎬 课时45 5-L1正则化套索回归权重衰减梯度下降公式-.mp4
- 🎬 课时46 6-L2正则化岭回归原理详解-.mp4
- 🎬 课时47 7-Ridge算法使用-.mp4
- 🎬 课时48 8-Lasso回归使用-.mp4
- 🎬 课时49 9-ElasticNet弹性网络使用-.mp4
- 🎬 课时50 1-天池工业蒸汽量不同模型不同处理得分整理-.mp4
- 🎬 课时51 2-多项式回归升维概念介绍-.mp4
- 🎬 课时52 3-多项式回归升维实战（一）-.mp4
- 🎬 课时53 4-多项式回归升维维度概念详解-.mp4
- 🎬 课时54 5-多项式回归升维实战（二）-.mp4
- 🎬 课时55 6-多项式回归实战天猫双十一销量预测（线性回归模型）-.mp4
- 🎬 课时56 7-多项式回归实战天猫双十一销量预测（随机梯度下降模型）-.mp4
- 🎬 课时57 8-中国人寿保费预测（EDA数据探索）-.mp4
### 课时21 线性分类算法 NO.219.1218
- 🎬 课时01 16-1-逻辑回归介绍-.mp4
- 🎬 课时02 16-2-Sigmoid函数介绍-.mp4
- 🎬 课时03 16-3-逻辑回归损失函数推导-.mp4
- 🎬 课时04 16-4-损失函数立体化呈现（一）-.mp4
- 🎬 课时05 16-5-损失函数立体化呈现（二）-.mp4
- 🎬 课时06 16-6-逻辑回归代码实现与概率手动计算-.mp4
- 🎬 课时07 17-1-逻辑回归梯度下降更新公式-.mp4
- 🎬 课时08 17-2-逻辑回归多分类OVR-.mp4
- 🎬 课时09 17-3-逻辑回归OVR建模与概率预测-.mp4
- 🎬 课时10 17-4-代码实现逻辑回归OVR概率计算-.mp4
- 🎬 课时11 17-5-Softmax函数与概率计算-.mp4
- 🎬 课时12 17-6-代码实现逻辑回归softmax概率计算-.mp4
- 🎬 课时13 17-7-Sigmoid与Softmax异同-.mp4
- 🎬 课时14 18-1-支持向量机SVM概念-.mp4
- 🎬 课时15 18-2-支持向量机SVM目标函数推导-.mp4
- 🎬 课时16 18-3-SVM二分类最大间隔线绘制-.mp4
- 🎬 课时17 18-4-拉格朗日乘子法介绍-.mp4
- 🎬 课时18 18-5-拉格朗日乘子法原理推导-.mp4
- 🎬 课时19 18-6-支持向量机SVM作业介绍-.mp4
- 🎬 课时20 19-1-作业讲解和知识点回顾-.mp4
- 🎬 课时21 19-2-SVC支持向量机分类不同核函数差异-.mp4
- 🎬 课时22 19-3-非线性核函数介绍-.mp4
- 🎬 课时23 19-4-核函数对应数学公式-.mp4
- 🎬 课时24 19-5-KKT条件介绍-.mp4
- 🎬 课时25 19-6-SVR支持向量机回归核函数差异-.mp4
- 🎬 课时26 19-7-SVR支持向量机回归拟合天猫双十一销量方程-.mp4
- 🎬 课时27 20-1-SVM支持向量机原理可视化-.mp4
- 🎬 课时28 20-2-SVM支持向量机KKT条件详解-.mp4
- 🎬 课时29 20-3-SVM支持向量机对偶问题转化-.mp4
- 🎬 课时30 20-4-SVM支持向量机目标函数构建-.mp4
- 🎬 课时31 20-5-SVM支持向量机损失函数SMO求解过程-.mp4
- 🎬 课时32 20-6-SVM支持向量机网格搜索参数优化-.mp4
- 🎬 课时33 20-7-SVM软间隔及优化-.mp4
- 🎬 课时34 21-1-LFW人脸数据数据加载与介绍-.mp4
- 🎬 课时35 21-2-SVM支持向量机LFW数据建模与参数选择-.mp4
- 🎬 课时36 21-3-SVM支持向量机LFW建模预测可视化-.mp4
- 🎬 课时37 21-4-SVM支持向量机软间隔与优化目标函数构建-.mp4
- 🎬 课时38 21-5-SVM算法整体回归-.mp4
### 课时22 深度学习基础 NO.789.1567
- 🎬 课时01 01 深度学习介绍-.mp4
- 🎬 课时02 02 神经网络的基础-.mp4
- 🎬 课时03 03 浅层神经网络-.mp4
- 🎬 课时04 04 深层神经网络-.mp4
### 课时23 深度学习进阶 NO.793.1569
- 🎬 课时01 01 梯度下降算法改进算法-.mp4
- 🎬 课时02 02 正则化-.mp4
### 课时24 自然语言处理(NLP) NO.798.1574
- 🎬 课时01 01 自然语言处理初期发展-.mp4
- 🎬 课时02 02 序列数据研究-.mp4
- 🎬 课时03 03 文本预处理-.mp4
- 🎬 课时04 04 NLTK分词的使用-.mp4
- 🎬 课时05 04 jieba分词的使用-.mp4
- 🎬 课时06 06 语言模型之n元语法-.mp4
- 🎬 课时07 07 序列数据采样方法-.mp4
- 🎬 课时08 08 RNN理论讲解-.mp4
- 🎬 课时09 09 从零实现RNN之读取数据和初始化模型参数-.mp4
- 🎬 课时10 10 从零实现RNN之构建RNN模型-.mp4
- 🎬 课时11 11 从零实现RNN之预测代码-.mp4
- 🎬 课时12 12 从零实现RNN之训练-.mp4
- 🎬 课时13 13 pytorch实现RNN-.mp4
- 🎬 课时14 14 RNN反向传播数学细节-.mp4
- 🎬 课时15 15 LSTM原理和代码实现-.mp4
- 🎬 课时16 16 GRU原理和代码实现-.mp4
- 🎬 课时17 17 深度循环神经网络-.mp4
- 🎬 课时18 18 双向循环神经网络-.mp4
- 🎬 课时19 19 机器翻译之数据处理-.mp4
- 🎬 课时20 20 encoder和decoder架构-.mp4
- 🎬 课时21 21 seq2seq之训练-.mp4
- 🎬 课时22 22 seq2seq之预测和评估-.mp4
- 🎬 课时23 23 注意力机制之Waston核回归-.mp4
- 🎬 课时24 24 注意力评分函数-.mp4
- 🎬 课时25 25 Bahdanau注意力-.mp4
- 🎬 课时26 26 多头注意力-.mp4
- 🎬 课时27 27 自注意力和位置编码-.mp4
- 🎬 课时28 28 transformer结构-.mp4
- 🎬 课时29 29 transformer模块之FFN-.mp4
- 🎬 课时30 30 transformer模块之addnorm-.mp4
- 🎬 课时31 31 transformer模块之encoderblock-.mp4
- 🎬 课时32 32 transformer模块之decoder和训练预测-.mp4
- 🎬 课时33 33 BERT结构-.mp4
- 🎬 课时34 34 BERT实现-.mp4
- 🎬 课时35 35 BERT训练之数据预处理-.mp4
- 🎬 课时36 36 BERT训练环节-.mp4
- 🎬 课时37 37 BERT微调训练-.mp4
- 🎬 课时38 38 神经网络语言模型-.mp4
- 🎬 课时39 39 word2vec-.mp4
- 🎬 课时40 40 word2vec推导-.mp4
- 🎬 课时41 41 skip-gram的改进-.mp4
- 🎬 课时42 42 word2vec之训练数据预处理-.mp4
- 🎬 课时43 43 word2vec之训练代码详解-.mp4
### 课时25 PyTorch深度学习框架 NO.515.1381
- 🎬 课时01 01 pytorch介绍-.mp4
- 🎬 课时02 02 pytorch安装-.mp4
- 🎬 课时03 03 pytorch张量基础操作和基础运算-.mp4
- 🎬 课时04 04 pytorch自动微分-.mp4
- 🎬 课时05 01 pytorch实现原始线性回归-.mp4
- 🎬 课时06 02 pytorch实现线性回归封装写法-.mp4
- 🎬 课时07 03 pytorch实现分类问题-.mp4
- 🎬 课时08 01 模型的子类写法-.mp4
- 🎬 课时09 02 使用dataset重构代码-.mp4
- 🎬 课时10 03 使用DataLoader重构代码-.mp4
- 🎬 课时11 04 添加校验代码-.mp4
- 🎬 课时12 05 封装-.mp4
- 🎬 课时13 01 使用pytorch搭建cnn实现手写数字识别-.mp4
- 🎬 课时14 01 4种天气数据处理-.mp4
- 🎬 课时15 02 图片预处理-.mp4
- 🎬 课时16 03 添加dropout层-.mp4
- 🎬 课时17 04 添加BN层-.mp4
- 🎬 课时18 01 vgg16迁移学习-.mp4
- 🎬 课时19 02 学习率衰减-.mp4
- 🎬 课时20 03 数据增强-.mp4
- 🎬 课时21 01 模型参数保存-.mp4
- 🎬 课时22 02 自定义dataset-.mp4
- 🎬 课时23 03 自定义数据集问题解决-.mp4
- 🎬 课时24 tensorboard的使用-.mp4
## msb-AI实战工具课
### 课时01 AI大模型提示词工程深入实战 NO.2662
- 🎬 课时01 001chatgptPrompt提示词工程课程介绍-.mp4
- 🎬 课时02 002prompt和Promptengineering剖析-.mp4
- 🎬 课时03 大模型介绍,使用大模型生成简历,写小红书文案,生成图片-.mp4
- 🎬 课时04 004提示词基本技巧_灵活运营指令符号_指定输出格式markdown结合xmind生成思维导图-.mp4
- 🎬 课时05 005自己定义格式输出_使用openrouter对比大模型结果-.mp4
- 🎬 课时06 006plantuml和json格式输出并使用vscode展示-.mp4
- 🎬 课时07 007mermaid格式输出-.mp4
- 🎬 课时08 008使用chatgpt的gpts制作流程图-.mp4
- 🎬 课时09 009如何使用角色扮演写好提示词-.mp4
- 🎬 课时10 010写好结构化提示词的4要素-.mp4
- 🎬 课时11 011充分费曼学习法写好提示词-.mp4
- 🎬 课时12 01280_20原则激发大模型指导学习-.mp4
- 🎬 课时13 013写一条利用番茄工作法Prompt-.mp4
- 🎬 课时14 014利用SQ3R学习法构建提示词Prompt-.mp4
- 🎬 课时15 015结合艾宾浩斯遗忘曲线构建学习计划Prompt-.mp4
- 🎬 课时16 016交叉主题和双编码概念设计Prompt-.mp4
- 🎬 课时17 017kimi,gpt4,文心一言,gemini等大模型对比分块学习法和多感官学习法提示词的效果-.mp4
- 🎬 课时18 018playground调试学习tempaturemax_tokens参数-.mp4
- 🎬 课时19 019topP参数Presencepenalty和Frequencypeanalty参数对比-.mp4
- 🎬 课时20 020零样本提示词和零样本思维链技巧-.mp4
- 🎬 课时21 021通过零样本思维链辅导小孩做数学题-.mp4
- 🎬 课时22 022少样本和少样本思维链-.mp4
- 🎬 课时23 023大模型self-consistency特性-.mp4
- 🎬 课时24 024TOT思维树提示词构建深入剖析-.mp4
- 🎬 课时25 024思维树提示词构建深入剖析-.mp4
- 🎬 课时26 025anaconda环境搭建-.mp4
- 🎬 课时27 026ancondajupyternotebook使用和虚拟环境构建-.mp4
- 🎬 课时28 027python抓取抖音热榜数据集-.mp4
- 🎬 课时29 028爬取对标账号首页数据之影刀介绍-.mp4
- 🎬 课时30 029使用影刀抓取抖音用户首页所有标题描述数据-.mp4
- 🎬 课时31 030使用大模型学习如何写爆款标题-.mp4
- 🎬 课时32 转-031提示词工程化之深入剖析结构化提示词-.mp4
- 🎬 课时33 转-032结构化提示词实战诗人提示词-.mp4
- 🎬 课时34 转-033设计小红书,公众号,头条号的爆款结构化提示词-.mp4
- 🎬 课时35 转-034非常牛叉通过结构化提示词设计一个python网络爬虫-.mp4
- 🎬 课时36 转-035必看这一个牛叉的逆向提示词工程-.mp4
- 🎬 课时37 转-036小红书创作文案同时生成抖音的脚本和分镜头-.mp4
- 🎬 课时38 转-037小红书种草笔记结构化提示词-.mp4
- 🎬 课时39 转-038生成本科论文结构化提示词-.mp4
- 🎬 课时40 转-039短篇小说提示词创作爆款微头条-.mp4
- 🎬 课时41 转-GPT4o-.mp4
- 🎬 课时42 041chatgpt开发介绍并完成一个postman请求gptapi2-.mp4
- 🎬 课时43 042python编程实现提示词原则比如特殊符号输出格式步骤-.mp4
- 🎬 课时44 043python编程之提示词工程思维链-.mp4
- 🎬 课时45 044提示词迭代优化-.mp4
- 🎬 课时46 045文本概括提示词-.mp4
- 🎬 课时47 046提示词文本推断inferring-.mp4
- 🎬 课时48 047文本转换transforming-.mp4
- 🎬 课时49 048文本扩展,自动回复邮件评价邮件temperature设定下情况有什么变化-.mp4
- 🎬 课时50 049订餐机器人和playground模式生成代码之怎么python编程写提示词工程-.mp4
### 课时02 DALL.E3深入实战 NO.2663
- 🎬 课时01 dalle3和copilot介绍dalle3内置提示词深入剖析-.mp4
- 🎬 课时02 002-dalle3结构化提示词深入剖析-.mp4
- 🎬 课时03 002-1bing-copilot结构化提示词画图创作-风格调试-.mp4
- 🎬 课时04 003-结构化提示词控制风格-角度-.mp4
- 🎬 课时05 004dalle3做古诗词插图-抖音赛道可以研究这个方向-.mp4
- 🎬 课时06 005自定义ChatGPT-预设角色和定义输出-.mp4
- 🎬 课时07 006魔法提示词自动生成创意提示词,成为作图大师-.mp4
- 🎬 课时08 007古诗词插画大师提示词工程设计-提高小红书抖音创作效率-.mp4
- 🎬 课时09 008-超级吸引眼球的knolling风格-.mp4
- 🎬 课时10 014通过图片逆向生成提示词-.mp4
- 🎬 课时14 替012Glibatreeartdesigner应用画图设计-.mp4
- 🎬 课时15 替013绘画大师深入研究-生成结构化提示词分析-局部重绘的应用-.mp4
- 🎬 课时16 替014superdalle应用实战结构化提示词gpt应用实战-.mp4
- 🎬 课时17 替015人物一致性技巧-使用gen_id-.mp4
- 🎬 课时18 替016模仿大师通过图片逆向生成图诗词-模仿别人的图片-.mp4
--- |
|
