10积分
本课程由博学谷精心打造，专为渴望掌握头条应用开发的学员设计。课程从基础的需求分析讲起，直至高级功能实现，全面覆盖Vue.js、Vant组件库、ESLint、Git等关键技术。通过实战项目，学员将学习如何从零搭建一个功能丰富的头条应用。其核心模块包括用户登录、文章列表、频道管理、搜索功能等。课程内容丰富，结合大量实操案例，让学员在实践中快速提升前端开发技能。无论是想学习应用开发的初学者，还是希望提升技能的前端开发者，都能通过本课程掌握头条应用开发要点，打造出属于自己的爆款应用。...
黑马博学谷AI大模型训练营面向AI爱好者与专业人士精心打造。课程体系完备，覆盖从基础到高级的AI大模型知识，为学员搭建起系统的学习框架。
在内容上，课程围绕金融、电商、物流、大健康、新零售和新媒体等多个热门行业的实战项目展开。例如在金融领域，通过 “金融行业动态方向评估项目”，学员可掌握运用AI大模型分析行业动态的能力；电商行业的 “虚拟试衣系统”，则让学员深入了解AI在电商场景的应用。同时，课程深入讲解StableDiffusion、文心一言、百度千帆和讯飞星火等先进技术，以及Prompt-Tuning、BERT、P-Tuning等关键技术，助力学员提升在AI领域的实战能力与创新思维。
该训练营的特色在于理论与实践紧密结合，以实际项目驱动学习，让学员在实践中巩固知识、积累经验。无论是希望入门AI领域的爱好者，还是寻求技术提升的专业人士，都能通过本训练营，深入掌握AI大模型相关知识与技能，在AI浪潮中提升竞争力。
📢 以下文件由夸克网盘用户于2024-11-27分享（文件数量过多时仅展示部分文件）
2024最新黑马博学谷-AI大模型训练营1期25.86GB
直播资料5.12GB
1月27日5.31MB
00-深度学习简介.pdf1.52MB01-PyTorch基本使用.pdf3.79MB1月30日6.34MB
部分截图2.82MB
PPL公式解析.png704.33KB神经网络语言模型介绍.png1.09MB
项目开发人员配置.jpg331.63KB指标解析.png732.42KB代码2.17KB
LLM_Base2.17KB
__init__.py0BBLEU_demo.py939BPPL_demo.py631BROUGE_demo.py655B课件3.24MB
01-LLM基础知识.pdf3.24MB作业46B
作业.txt46B大模型项目研发流程.pdf279.65KB2月1日7.75MB
课件+预习3.24MB
02-LLM主要架构介绍.pdf3.24MB课件+预习4.51MB
01-ChatGPT模型原理介绍.pdf4.51MB2月3日6.09MB
课件6.09MB
01-LLM主流开源大模型介绍.pdf3.05MB02-大模型prompt-Tuning方法入门.pdf3.04MB2月20日6.55MB
课件+预习6.55MB
01-大模型prompt-Tuning方法进阶.pdf3.09MB02-大模型提示工程指南.pdf3.46MB2月22日13.21MB
ChatGLM-6B7.75MB
examples2.21MB
ad-writing-2.png122.74KBblog-outline.png162.27KBcomments-writing.png260.1KBemail-writing-1.png230.37KBemail-writing-2.png223.95KBinformation-extraction.png130.92KBrole-play.png278.51KBself-introduction.png231.22KBsport.png291.48KBtour-guide.png331.5KBimprove54.79KB
data_sample.jsonl51.1KBREADME.md3.69KBlimitations580.01KB
factual_error.png134.51KBmath_error.png25.18KBself-confusion_google.jpg152.18KBself-confusion_openai.jpg142.77KBself-confusion_tencent.jpg125.37KBptuning250.32KB
arguments.py8.28KBdeepspeed.json509Bds_train_finetune.sh766Bevaluate.sh660Bevaluate_finetune.sh562Bmain.py18.17KBREADME.md10.55KBREADME_en.md11.18KBtrain.sh753Btrain_chat.sh745Btrainer.py181.25KBtrainer_seq2seq.py11.23KBweb_demo.py5.55KBweb_demo.sh217Bresources4.59MB
cli-demo.png463.04KBenglish-q1-new.png105.43KBenglish-q1-old.png73.31KBenglish-q2-new.png74KBenglish-q2-old.png112.26KBenglish-q3-new.png98.71KBenglish-q3-old.png104.22KBenglish-q4-new.png176.96KBenglish-q4-old.png170.61KBvisualglm.png247.27KB
web-demo.gif2.18MBweb-demo.png586.92KBwebglm.jpg106.44KBwechat.jpg150.95KBWECHAT.md223BTHUDM0B
chatglm-6b0B
chatglm-6b-int40B
api.py1.82KBcli_demo.py1.87KBcli_demo_vision.py1.94KBFAQ.md940BLICENSE11.07KBMODEL_LICENSE4.17KBPROJECT.md4.5KBREADME.md22.55KBREADME_en.md20.17KBrequirements.txt96BUPDATE.md6.25KButils.py1.98KBweb_demo.py3.83KBweb_demo2.py2.14KBweb_demo_old.py1.96KBweb_demo_vision.py4.52KB01-大模型提示工程指南.pdf3.38MB02-金融行业动态方向评估项目.pdf2.07MB2月25日4.7MB
代码15.22KB
finance_classify.py4.49KBfinance_ie.py5.07KBfinance_text_matching.py3.23KBtest.py2.43KB课件4.68MB
02-金融行业动态方向评估项目介绍.pdf776.08KB03-LLM实现金融文本文本分类.pdf1.39MB04-LLM实现金融文本信息抽取.pdf1.27MB05-LLM实现金融文本匹配.pdf1.26MB2月27日-虚拟试衣20.35MB
01-讲义8.61MB
01-虚拟试衣背景.pdf1.84MB02-阿里PAI平台.pdf2.81MB03-阿里云注册及开通PAI.pdf2.01MB04-PAI_DSW的环境搭建.pdf1.95MBPAI平台开通指南.pdf3.78MB人工智能平台PAI使用指南.pdf7.96MB2月29日-虚拟试衣9.01MB
01-讲义9.01MB
04-PAI_DSW的环境搭建.pdf2.26MB05-虚拟试衣实践.pdf5.23MB06-资源清理.pdf1.51MB3月3日785.97MB
代码0B
project20B
Agents_module0B
Chains_module0B
Indexes_module0B
Memory_module0B
Models_module0B
Prompts_module0B
课件5.08MB
01-LangChain基础知识入门.pdf2.88MB02-基于LangChain+ChatGLM-6B实现物流行业信息咨询.pdf2.2MB一定要下载的模型780.89MB
m3e-base780.89MB
1_Pooling0B
config.json932Bgitattributes1.5KBmodel.safetensors390.15MBmodules.json229Bpytorch_model.bin390.19MBREADME.md26.01KBsentence_bert_config.json53Bspecial_tokens_map.json125Btokenizer.json428.83KBtokenizer_config.json342Bvocab.txt106.97KB3月5日785.98MB
代码780.9MB
__pycache__9.8KB
get_vector.cpython-38.pyc939Bget_vector.cpython-310.pyc977Bget_vector.cpython-311.pyc1.43KBmodel.cpython-38.pyc1.83KBmodel.cpython-310.pyc1.83KBmodel.cpython-311.pyc2.83KBfaiss0B
camp0B
logistics0B
m3e-base780.89MB
1_Pooling0B
config.json932Bgitattributes1.5KBmodel.safetensors390.15MBmodules.json229Bpytorch_model.bin390.19MBREADME.md26.01KBsentence_bert_config.json53Bspecial_tokens_map.json125Btokenizer.json428.83KBtokenizer_config.json342Bvocab.txt106.97KBget_vector.py1.38KBmain.py1.49KBmodel.py1.56KBnew_demo.py3.06KBtest.py33B物流信息.txt549B课件5.08MB
01-LangChain基础知识入门.pdf2.88MB02-基于LangChain+ChatGLM-6B实现物流行业信息咨询.pdf2.2MB3月7日2.27MB
代码27.47KB
Gpt2_Chatbot27.47KB
config0B
data0B
data_preprocess0B
gpt20B
templates0B
vocab0B
__init__.py72Bapp.py487Bflask_predict.py2.65KBfunctions_tools.py2.87KBinteract.py5.36KBparameter_config.py1.8KBpytorch_tools.py2.06KBreadme1.85KBtest.py451Btrain.py9.89KB课件2.24MB
基于GPT2搭建医疗问诊机器人.pdf2.24MB3月10日2.27MB
代码27.87KB
Gpt2_Chatbot27.87KB
config0B
data0B
data_preprocess0B
gpt20B
other_data0B
save_model0B
save_model10B
templates0B
vocab0B
__init__.py72Bapp.py487Bflask_predict.py2.65KBfunctions_tools.py3.33KBinteract.py5.46KBparameter_config.py2.6KBreadme1.85KBtrain.py11.43KB课件2.24MB
基于GPT2搭建医疗问诊机器人.pdf2.24MB3月12日1.22GB
代码71.52KB
PET.zip71.52KB课件6.07MB
01-新零售行业评价决策系统介绍.pdf1.58MB02-基于BERT+PET方式文本分类介绍.pdf1.68MB03-基于BERT+PET方式数据预处理介绍.pdf1.41MB04-基于BERT+PET方式模型搭建.pdf1.4MB课前下载1.21GB
bert-base-chinese1.21GB
config.json624Bflax_model.msgpack390.21MBpytorch_model.bin392.51MBREADME.md21Btf_model.h5456.15MBtokenizer.json262.64KBtokenizer_config.json29Bvocab.txt106.97KB预训练模型263.25KB
bert-base-chinese263.25KB
config.json624Btokenizer.json262.64KB3月14日1.48MB
代码71.52KB
PET.zip71.52KB03-基于BERT+PET方式数据预处理介绍.pdf1.41MB3月17日4.54MB
代码12.06KB
P-Tuning12.06KB
checkpoints0B
data0B
data_handle0B
utils0B
__init__.py0Binference.py3.23KBptune_config.py1.12KBtrain.py7.71KB课件4.53MB
05-基于BERT+P-Tuning方式文本分类介绍.pdf1.68MB06-基于BERT+P-Tuning方式数据预处理介绍.pdf1.41MB07-基于BERT+P-Tuning方式文本分类模型搭建.pdf1.44MB3月19日2.2MB
代码10.82KB
ptune_chatglm10.82KB
data0B
data_handle0B
utils0B
__init__.py22Bglm_config.py1.14KBinference.py2.69KBtrain.py6.97KB课件2.19MB
新媒体行业评论智能分类与信息抽取系统.pdf2.19MB3月21日26.38MB
代码10.82KB
ptune_chatglm10.82KB
data0B
data_handle0B
utils0B
__init__.py22Bglm_config.py1.14KBinference.py2.69KBtrain.py6.97KB课件2.19MB
新媒体行业评论智能分类与信息抽取系统.pdf2.19MB趋动云使用《补充》.pdf24.18MB3月26日AIGC10.75MB
01-AIGC 背景.pdf6.14MB02-图像生成方法.pdf4.61MB3月28日图像生成4.94MB
03-stableDiffusion详解.pdf4.94MB3月30号图像生成11.19MB
03-stableDiffusion详解.pdf4.94MB04-StableDiffusion实践.pdf6.26MB4月2号图像生成2.08GB
img-glasses6.59MB
00061-4096775217.png327.01KB00061-4096775217.txt24B00062-4096775218.png365.1KB00062-4096775218.txt24B00063-4096775219.png372.68KB00063-4096775219.txt24B00064-4096775220.png297.05KB00064-4096775220.txt24B00065-4096775221.png378.08KB00065-4096775221.txt24B00069-2356360196.png345.3KB00069-2356360196.txt24B00070-2356360197.png453.95KB00070-2356360197.txt24B00071-2356360198.png328.15KB00071-2356360198.txt24B00072-2356360199.png305.39KB00072-2356360199.txt24B00074-2356360201.png380.11KB00074-2356360201.txt24B00076-2356360203.png331.65KB00076-2356360203.txt24B00077-2356360204.png346.86KB00077-2356360204.txt24B00078-2356360205.png281.88KB00078-2356360205.txt24B00079-2356360206.png313.69KB00079-2356360206.txt24B00081-2356360208.png263.7KB00081-2356360208.txt24B00082-2356360209.png347.78KB00082-2356360209.txt24B00083-2356360210.png329.89KB00083-2356360210.txt24B00084-2356360211.png300.21KB00084-2356360211.txt24B00086-2356360213.png327.43KB00086-2356360213.txt24B00088-2356360215.png353.67KBimg_Plaidshirtprogrammer37.71MB
00001-1894947284.png469.08KB00002-3614966928.png353.74KB00003-3286877001.png386.92KB00004-1166947288.png353.86KB00005-366234093.png386.68KB00006-4286819082.png454.19KB00007-4286819083.png367.97KB00008-4286819084.png358.01KB00009-4286819085.png326.22KB00010-4286819086.png372.09KB00011-4286819087.png424.12KB00012-4286819088.png320.42KB00013-4286819089.png387.78KB00014-4286819090.png365.61KB00015-4286819091.png391.88KB00016-4286819092.png321.95KB00017-4286819093.png357.83KB00018-4286819094.png392.55KB00019-4286819095.png345.44KB00020-4286819096.png332.55KB00021-4286819097.png359.15KB00022-4286819098.png376.05KB00023-4286819099.png381.73KB00024-4286819100.png386.24KB00025-4286819101.png402.26KB00026-4286819102.png367.31KB00027-4286819103.png387.73KB00028-4286819104.png365.38KB00029-4286819105.png369.45KB00030-4286819106.png475.31KB00031-4286819107.png391.34KB00032-4286819108.png352.52KB00033-4286819109.png451.66KB00034-4286819110.png333.35KB00035-4286819111.png407.94KB00036-4286819112.png365.63KB00037-4286819113.png386.88KB00038-4286819114.png381.45KB00039-4286819115.png391.84KB00040-4286819116.png348KB00041-4286819117.png363.92KB00042-4286819118.png453.32KB00043-4286819119.png409.39KB00044-4286819120.png378.26KB00045-4286819121.png368.07KB00046-4286819122.png433.59KB00047-4286819123.png352.58KB00048-4286819124.png341.85KB00049-4286819125.png424.95KB00050-4286819126.png408.5KB00051-4286819127.png167KB00052-4286819128.png437KB00053-4286819129.png354.97KB00054-4286819130.png325.2KB00055-3455426797.png384.71KB00056-3455426798.png431.39KB00057-3455426799.png370.33KB00058-3455426800.png369.08KB00059-3455426801.png342.73KB00060-3455426802.png371.84KB00061-3455426803.png467.81KB00062-3455426804.png390.29KB00063-3455426805.png299.06KB00064-3455426806.png405.34KB00065-3455426807.png393.57KB00066-3455426808.png354.12KB00067-3455426809.png386.76KB00068-3455426810.png394.3KB00069-3455426811.png400.01KB00070-3455426812.png383.38KB00071-3455426813.png381.88KB00072-3455426814.png416.75KB00073-3455426815.png374.03KB00074-3455426816.png405.27KB00075-3455426817.png358.98KB00076-3455426818.png370.71KB00077-3455426819.png358.03KB00078-3455426820.png410.47KB00079-3455426821.png439.71KB00080-3455426822.png380.41KB00081-3455426823.png443.68KB00082-3455426824.png338.41KB00083-3455426825.png360.12KB00084-3455426826.png450.01KB00085-3455426827.png443.44KB00086-3455426828.png379.99KB00087-3455426829.png489.59KB00088-3455426830.png524.51KB00089-3455426831.png363.99KB00090-3455426832.png380.34KB00091-3455426833.png401.61KB00092-3455426834.png344.97KB00093-3455426835.png439.75KB00094-3455426836.png406.04KB00095-3455426837.png359.66KB00096-3455426838.png417.86KB00097-3455426839.png437.29KB00098-3455426840.png404.84KB00099-3455426841.png422.59KB00100-3455426842.png397.71KBweights2.02GB
glass.safetensors36.11MBmodel-plaidshirtprogrammer.ckpt1.99GB05-腾讯云AI绘画.pdf13.53MBaigc_demo_origin.zip6.38MB4月7日-文心一言和千帆大模型49.46MB
01-文心一言的使用.zip22MB02-千帆大模型简介.pdf14.33MB03-千帆大模型的使用.zip12.77MB清洗emoji数据的demo数据集.zip219.67KBsample-text-dialog-unsort-jsonl.zip154.3KB4月9日-星火大模型91.41MB
translate_in_many_style.zip79.31MB星火大模型（博学谷）.pdf12.1MB
1-1 开班仪式+Python前置课程串讲.mp4284.13MB1-2 大模型前置知识.mp4534.85MB1-3 大模型前置知识.mp4264.63MB1-4 大模型基础知识.mp4429.47MB1-5 大模型主要类别架构.mp4410.13MB1-6 主流大模型介绍及大模型Prompt-Tuning方法入门.mp4276.36MB1-6 主流大模型介绍及大模型Prompt-Tuning方法入门2.mp4593.42MB1-7 主流大模型介绍及大模型Prompt-Tuning方法入门.mp4663.93MB1-8 大模型Prompt-Tuning方法进阶.mp4814.26MB1-9 大模型提示词工程应用.mp4944.25MB1-10 【项目1】金融行业动态风向评估.mp41.43GB1-11 【项目1】金融行业动态风向评估.mp4662.98MB1-12 【项目2】电商领域虚拟试衣系统.mp4397.96MB1-13 【项目2】电商领域虚拟试衣系统.mp4528.64MB1-14 【项目3】物流行业信息咨询智能问答系统.mp41.48GB1-15 【项目3】物流行业信息咨询智能问答系统.mp4468.04MB1-16 【项目3】物流行业信息咨询智能问答系统 2024.03.05.mp4794.24MB1-17 【项目3】物流行业信息咨询智能问答系统(2024.03.07).mp4783.72MB1-18 【项目4】大健康行业智能问诊系统(2024.03.10).mp4909.01MB1-19 20 【项目4】大健康行业智能问诊系统.mp4395.83MB1-21【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】.mp4836.85MB1-22【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】.mp41.33GB1-23【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】.mp4629.74MB1-24 【项目6】新媒体行业评论智能分类与信息抽取系统.mp4934.08MB1-25 【项目6】新媒体行业评论智能分类与信息抽取系统.mp4950.89MB1-26 Stable Diffusion多模态大模型应用实战.mp4374.41MB1-27 Stable Diffusion多模态大模型应用实战.mp4352.22MB1-28 Stable Diffusion多模态大模型应用实战.mp4240.2MB1-29 Stable Diffusion多模态大模型应用实战.mp4579.4MB1-30 Stable Diffusion多模态大模型应用实战.mp4375.83MB1-31 文心一言& 百度千帆大模型平台.mp4206.23MB1-32 文心一言& 百度千帆大模型平台.mp4278.41MB1-33 讯飞星火大模型+星火微调平台应用.mp4370.1MB1-34 讯飞星火大模型+星火微调平台应用.mp4249.28MB1-35 综合项目与项目路演+【拓展】AI论文导读与论文撰写.mp4356.81MB共383个文件，合计：25.86GB
