尚硅谷-AI大模型智能体线上速成班2026
今日分享：尚硅谷-AI大模型智能体线上速成班2026
相关截图：
课程内容：
├──01-大模型概述_低代码智能体开发_企业级LM部署（宋老师）
│├──day01
││├──大模型概述
│││├──课件
│││└──视频
││└──开课.pptx
│├──day02
││├──课件
│││└──课件v1.1.zip
││└──视频
││├──01-关于RAG的说明.mp4
││├──02-关于模型微调的说明.mp4
││├──03-关于模型续训的说明.mp4
││├──04-关于智能体的说明（含mcp、工作流）.mp4
││├──05-RAG的基本执行流程.mp4
││├──06-以CherryStudio和ima为例，说明RAG知识库的使用.mp4
││├──07-以Dify为例演示RAG知识库的使用.mp4
││├──08-智能体的整体介绍_coze的界面功能介绍.mp4
││├──09-创建智能体1：深夜情感主播.mp4
││├──10-创建智能体2：大学百事通.mp4
││└──11-创建智能体3：家庭记账软件_Dify智能体创建的简单演示.mp4
│├──day03
││├──课件
│││└──课件v1.2.zip
││└──视频
││├──01-商户运营管家涉及到的几个项目的介绍.mp4
││├──02-coze中如何导入现有的资源.mp4
││├──03-coze案例：产品营销海报的生成.mp4
││├──04-大家几个问题的回复.mp4
││├──05-Dify案例：一键生成行业调研报告.mp4
││├──06-Dify案例：处理客户投诉助手.mp4
││├──07-Coze案例：客服对话记录分析.mp4
││├──08-Dify案例：客服对话记录分析.mp4
││├──09-Coze与Dify案例：商品评论分析.mp4
││└──10-Coze案例：商品营销卖点提炼.mp4
│└──day04
│├──代码
││├──CozeWorkflowInvoke.py
││└──DifyWorkflowInvoke.py
│├──课件
││└──同day03的课件.txt
│├──软件
││├──dify-0.15.5.tar.gz
││├──OllamaSetup.exe
││├──Postman-win64-9.15.2-Setup.exe
││├──Xftp-8.0.0068p.exe
││└──Xshell-8.0.0084p.exe
│├──视频
││├──01-Python代码调用Coze平台的工作流.mp4
││├──02-Python代码调用Dify平台的工作流.mp4
││├──03-本地Ollama的部署说明.mp4
││├──04-为什么要进行企业级大模型部署_部署方案.mp4
││├──05-服务器配置的选择_Docker的安装.mp4
││├──06-Dify的安装和部署.mp4
││├──07-Dify平台部署在线大模型.mp4
││├──08-AutoDL部署服务器_部署XInference_部署LLM.mp4
││├──09-部署嵌入模型_部署重排序模型.mp4
││├──10-Dify平台接入Xinference的三种模型并演示使用.mp4
││├──11-建议：相关资源的关闭.mp4
││├──12-coze案例3之set_product_name_and_desc工作流的搭建.mp4
││├──13-coze案例3之selling_point_generation工作流的搭建.mp4
││├──14-coze案例3之selling2buying_point工作流的搭建.mp4
││├──15-coze案例3之red_book_and_video_script工作流的搭建.mp4
││└──16-小结.mp4
│└──资料
│├──images
│├──抖音编程文案-康师傅
│└──本地大模型的安装部署.md
├──02-LangChain(阳哥)
│├──day01
││├──01_vcr
│││├──01_langchain简介和扯淡闲聊求职学习方法.mp4
│││├──02_langchain架构和未来趋势.mp4
│││├──03_模型调用入门.mp4
│││├──04_model_provider课间答疑.mp4
│││└──05_模型调用企业版.mp4
││├──02_note
│││├──LangChain速通实战学生用(严禁预习)2026.1.21.mmap
│││├──MindManager2020安装软件破解版.zip
│││└──讲解到哪笔记给到哪严禁预习.txt
││└──03_code
││└──01_helloworld
│├──day02
││├──01_vcr
│││├──06_Model-IO大模型接口.mp4
│││├──07_Ollama本地大模型部署.mp4
│││├──08_模型调用方法6大方法.mp4
│││├──09_模型参数temperature补充.mp4
│││├──10_Prompt是什么.mp4
│││└──11_提示词模板之构造方法.mp4
││├──02_note
│││├──LangChain速通实战学生用(严禁预习)2026.1.24.mmap
│││├──MindManager2020安装软件破解版.zip
│││└──讲解到哪笔记给到哪严禁预习.txt
││└──03_code
││├──01_helloworld
││├──02_models_io
││├──03_ollama
││└──04_prompt
│├──day03
││├──01_vcr
│││├──12_创建提示词PromptTemplate下集.mp4
│││├──13_提示词3大主要方法.mp4
│││├──14_ChatPromptTemplate对话提示词模板创建.mp4
│││├──15_ChatPromptTemplate实例化参数3大类型.mp4
│││├──16_MessagesPlaceholder消息占位符提示词模板.mp4
│││├──17_外部加载Prompt.mp4
│││├──18_输出解析器是什么及两大方法.mp4
│││└──19_输出解析器进阶用法.mp4
││├──02_note
│││├──LangChain速通实战学生用(严禁预习)2026.1.25.mmap
│││├──MindManager2020安装软件破解版.zip
│││└──讲解到哪笔记给到哪严禁预习.txt
││└──03_code
││├──01_helloworld
││├──02_models_io
││├──03_ollama
││├──04_prompt
││└──05_parser
│├──day04
││├──01_vcr
│││├──20_Runnable统一接口和方法.mp4
│││├──21_LCEL理论入门.mp4
│││├──22_链式调用基础用法案例代码.mp4
│││├──23_RunnableLambda回答同学提问.mp4
│││├──24_记忆缓存为什么重要.mp4
│││├──25_记忆中间件简介.mp4
│││├──26_记忆缓存之内存版.mp4
│││├──27_记忆缓存之redis版.mp4
│││├──28_Tool工具调用理论.mp4
│││└──29_Tools实战天气查询.mp4
││├──02_note
│││├──LangChain速通实战学生用(严禁预习)2026.1.28.mmap
│││├──MindManager2020安装软件破解版.zip
│││└──讲解到哪笔记给到哪严禁预习.txt
││└──03_code
││├──01_helloworld
││├──02_models_io
││├──03_ollama
││├──04_prompt
││├──05_parser
││├──06_lcel
││├──07_memory
││└──08_tools
│├──day05
││└──03_LangChain大模型智能体260111班(线上班1期)
││├──01_vcr（30-40集）
││├──02_note
││└──03_code
│├──day06
││├──01_vcr（从41集开始）
│││├──01_langchain简介和扯淡闲聊求职学习方法.mp4
│││├──02_langchain架构和未来趋势.mp4
│││├──03_模型调用入门.mp4
│││├──04_model_provider课间答疑.mp4
│││├──05_模型调用企业版.mp4
│││├──06_Model-IO大模型接口.mp4
│││├──07_Ollama本地大模型部署.mp4
│││├──08_模型调用方法6大方法.mp4
│││├──09_模型参数temperature补充.mp4
│││├──10_Prompt是什么.mp4
│││├──11_提示词模板之构造方法.mp4
│││├──12_创建提示词PromptTemplate下集.mp4
│││├──13_提示词3大主要方法.mp4
│││├──14_ChatPromptTemplate对话提示词模板创建.mp4
│││├──15_ChatPromptTemplate实例化参数3大类型.mp4
│││├──16_MessagesPlaceholder消息占位符提示词模板.mp4
│││├──17_外部加载Prompt.mp4
│││├──18_输出解析器是什么及两大方法.mp4
│││├──19_输出解析器进阶用法.mp4
│││├──20_Runnable统一接口和方法.mp4
│││├──21_LCEL理论入门.mp4
│││├──22_链式调用基础用法案例代码.mp4
│││├──23_RunnableLambda回答同学提问.mp4
│││├──24_记忆缓存为什么重要.mp4
│││├──25_记忆中间件简介.mp4
│││├──26_记忆缓存之内存版.mp4
│││├──27_记忆缓存之redis版.mp4
│││├──28_Tool工具调用理论.mp4
│││├──29_Tools实战天气查询.mp4
│││├──30_向量化模型理论入门.mp4
│││├──31_向量数据库.mp4
│││├──32_文本向量化hello.mp4
│││├──33_文本嵌入模型常用编码模板.mp4
│││├──34_用redisStack作为向量存储.mp4
│││├──35_RAG是什么能干嘛.mp4
│││├──36_RAG流程和文档加载器理论.mp4
│││├──37_文档加载器-代码案例.mp4
│││├──38_使用split_text()方法进行文本分割.mp4
│││├──39_答疑和分割文档对象案例.mp4
│││├──40_AI智能运维助手大厂真实案例.mp4
│││├──41_MCP入门概念.mp4
│││├──42_MCP架构知识.mp4
│││├──43_MCP案例FastMCP调用.mp4
│││├──44_课堂答疑交流.mp4
│││├──45_Agent智能体入门理论.mp4
│││├──46_Agent演变过程.mp4
│││├──47_AgentReact推理执行案例.mp4
│││└──48_A2A案例讲解.mp4
││├──02_note
│││├──LangChain速通实战学生用All2026.2.1.mmap
│││└──MindManager2020安装软件破解版.zip
││└──03_code
││├──01_helloworld
││├──02_models_io
││├──03_ollama
││├──04_prompt
││├──05_parser
││├──06_lcel
││├──07_memory
││├──08_tools
││├──09_embedding
││├──10_rag
││├──11_mcp
││└──12_agent
│├──day07 langgraph
││├──01_vcr
│││├──01_LangGraph理论概述.mp4
│││├──02_LangGraph的技术架构.mp4
│││├──03_LangGraphHelloWorld.mp4
│││├──04_加一点业务.mp4
│││├──05_图的构建流程-小总结.mp4
│││├──06_api之图的构建流程.mp4
│││├──07_api之基本的State定义.mp4
│││└──08_api之state的schema.mp4
││├──02_code
│││├──01_helloworld
│││├──02_graph
│││└──03_state
││└──03_note
││└──LangGraph速通实战2026V1.2学生用2026.2.4.mmap
│├──day08 LangGraph速通
││├──01_vcr(今天从第9集开始)
│││├──01_LangGraph理论概述.mp4
│││├──02_LangGraph的技术架构.mp4
│││├──03_LangGraphHelloWorld.mp4
│││├──04_加一点业务.mp4
│││├──05_图的构建流程-小总结.mp4
│││├──06_api之图的构建流程.mp4
│││├──07_api之基本的State定义.mp4
│││├──08_api之state的schema.mp4
│││├──09_api之state的reducer更新策略.mp4
│││├──10_api之node的定义理论知识.mp4
│││├──11_api之node缓存策略.mp4
│││├──12_api之node的异常重试处理机制.mp4
│││├──13_api之edge普通边和条件边.mp4
│││├──14_api之条件和入口点.mp4
│││└──15_api之send.mp4
││├──02_code
│││├──01_helloworld
│││├──02_graph
│││├──03_state
│││├──04_node
│││├──05_edge
│││└──06_specialApi
││└──03_note
││└──LangGraph速通实战2026V1.2学生用2026.2.7.mmap
│├──day09 LangGraph速通
││├──01_vcr（今天从16集开始）
│││├──01_LangGraph理论概述.mp4
│││├──02_LangGraph的技术架构.mp4
│││├──03_LangGraphHelloWorld.mp4
│││├──04_加一点业务.mp4
│││├──05_图的构建流程-小总结.mp4
│││├──06_api之图的构建流程.mp4
│││├──07_api之基本的State定义.mp4
│││├──08_api之state的schema.mp4
│││├──09_api之state的reducer更新策略.mp4
│││├──10_api之node的定义理论知识.mp4
│││├──11_api之node缓存策略.mp4
│││├──12_api之node的异常重试处理机制.mp4
│││├──13_api之edge普通边和条件边.mp4
│││├──14_api之条件和入口点.mp4
│││├──15_api之send.mp4
│││├──16_api之Command.mp4
│││├──17_api之RuntimeContext运行时上下文.mp4
│││├──18_高级特性之流式处理(Streaming).mp4
│││├──19_内存检查点.mp4
│││├──20_数据库检查点(sqlite).mp4
│││├──21_构建Agent实现记忆存储.mp4
│││├──22_时间回溯(Time-Travel).mp4
│││├──23_子图作为节点添加到父图.mp4
│││├──24_跨图状态交互.mp4
│││├──25_多智能体架构理论说明.mp4
│││├──26_A2A主管和交接案例.mp4
│││└──27_智能体技能.mp4
││├──02_code
│││├──01_helloworld
│││├──02_graph
│││├──03_state
│││├──04_node
│││├──05_edge
│││├──06_specialApi
│││├──07_senior
│││└──08_multi_agent
││└──03_note
││└──LangGraph速通实战2026V1.2学生用2026.2.8AllOver.mmap
│└──FastMCP3.12版本支持.zip
├──03-项目_掌柜问数
│└──尚硅谷大模型项目之掌柜问数
│├──1.笔记
││└──尚硅谷大模型项目之掌柜问数.docx
│├──2.资料
││├──docker
││├──node
││└──prompts
│├──3.代码
││├──data-agent-fronted.zip
││└──data-agent.zip
│└──4.视频
│├──day_01
│├──day_02
│├──day_03
│├──day_04
│├──day_05（下午+晚上）
│└──day_06（下午＋晚上）
├──04-尚硅谷AI大模型之NLP教程【录播课】
│├──1.笔记
││└──尚硅谷大模型技术之NLP1.0.3.docx
│├──2.资料
││├──1.词向量
│││└──sgns.weibo.word.bz2
││├──2.数据集
│││├──1.评论数据集
│││├──2.对话数据集
│││└──3.中英短句数据集
││└──3.预训练模型
││└──bert-base-chinese
│├──3.代码
││└──代码.zip
│├──4.视频
││├──001-NLP-课程简介.mp4
││├──002-NLP-课程概述.mp4
││├──003-NLP-导论-常见任务.mp4
││├──004-NLP-导论-技术演进历史.mp4
││├──005-NLP-环境准备.mp4
││├──006-NLP-文本表示-概述.mp4
││├──007-NLP-文本表示-分词-英文分词.mp4
││├──008-NLP-文本表示-分词-英文分词-BPE算法.mp4
││├──009-NLP-文本表示-分词-中文分词.mp4
││├──010-NLP-文本表示-分词-分词工具-概述.mp4
││├──011-NLP-文本表示-分词-分词工具-jieba-分词模式.mp4
││├──012-NLP-文本表示-分词-分词工具-jieba-分词模式-API.mp4
││├──013-NLP-文本表示-分词-分词工具-jieba-自定义词典.mp4
││├──014-NLP-文本表示-词表示-one-hot&语义化词向量-概述.mp4
││├──015-NLP-文本表示-词表示-语义化词向量-Word2Vec-概述.mp4
││├──016-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-Skip-Gram.mp4
││├──017-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-CBOW.mp4
││├──018-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-说明.mp4
││├──019-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-编码.mp4
││├──020-NLP-文本表示-词表示-语义化词向量-训练词向量-概述.mp4
││├──021-NLP-文本表示-词表示-语义化词向量-训练词向量-实操.mp4
││├──022-NLP-文本表示-词表示-语义化词向量-应用-概述.mp4
││├──023-NLP-文本表示-词表示-语义化词向量-应用-编码.mp4
││├──024-NLP-文本表示-词表示-语义化词向量-应用-OOV问题.mp4
││├──025-NLP-文本表示-词表示-上下文相关词向量.mp4
││├──026-NLP-传统序列模型-RNN-概述.mp4
││├──027-NLP-传统序列模型-RNN-基础结构.mp4
││├──028-NLP-传统序列模型-RNN-示意图.mp4
││├──029-NLP-传统序列模型-RNN-多层结构.mp4
││├──030-NLP-传统序列模型-RNN-双向结构.mp4
││├──031-NLP-传统序列模型-RNN-多层+双向结构.mp4
││├──032-NLP-传统序列模型-RNN-API-构造参数.mp4
││├──033-NLP-传统序列模型-RNN-API-输入输出-概述.mp4
││├──034-NLP-传统序列模型-RNN-API-输入输出-含义.mp4
││├──035-NLP-传统序列模型-RNN-API-输入输出-形状分析.mp4
││├──036-NLP-传统序列模型-RNN-API-小练习.mp4
││├──037-NLP-传统序列模型-案例-概述.mp4
││├──038-NLP-传统序列模型-案例-思路分析-数据集说明.mp4
││├──039-NLP-传统序列模型-案例-思路分析-模型结构和训练思路.mp4
││├──040-NLP-传统序列模型-RNN-案例-项目结构.mp4
││├──041-NLP-传统序列模型-RNN-案例-数据预处理-思路分析.mp4
││├──042-NLP-传统序列模型-RNN-案例-数据预处理-读取json文件.mp4
││├──043-NLP-传统序列模型-RNN-案例-数据预处理-文件路径说明.mp4
││├──044-NLP-传统序列模型-RNN-案例-数据预处理-文件路径处理.mp4
││├──045-NLP-传统序列模型-RNN-案例-数据预处理-构建并保存词表.mp4
││├──046-NLP-传统序列模型-RNN-案例-数据预处理-构建训练集.mp4
││├──047-NLP-传统序列模型-RNN-案例-数据预处理-保存训练集&测试集.mp4
││├──048-NLP-传统序列模型-RNN-案例-数据集-说明.mp4
││├──049-NLP-传统序列模型-RNN-案例-数据集-编码.mp4
││├──050-NLP-传统序列模型-RNN-案例-模型定义-初始化方法.mp4
││├──051-NLP-传统序列模型-RNN-案例-模型定义-前向传播.mp4
││├──052-NLP-传统序列模型-RNN-案例-训练脚本-环境准备.mp4
││├──053-NLP-传统序列模型-RNN-案例-训练脚本-训练循环.mp4
││├──054-NLP-传统序列模型-RNN-案例-训练脚本-单个轮次的训练逻辑.mp4
││├──055-NLP-传统序列模型-RNN-案例-训练脚本-Tensorboard使用说明.mp4
││├──056-NLP-传统序列模型-RNN-案例-训练脚本-保存模型.mp4
││├──057-NLP-传统序列模型-RNN-案例-预测脚本-说明.mp4
││├──058-NLP-传统序列模型-RNN-案例-预测脚本-编码-上.mp4
││├──059-NLP-传统序列模型-RNN-案例-预测脚本-编码-下.mp4
││├──060-NLP-传统序列模型-RNN-案例-评估脚本-说明.mp4
││├──061-NLP-传统序列模型-RNN-案例-评估脚本-编码.mp4
││├──062-NLP-传统序列模型-RNN-案例-代码改造说明.mp4
││├──063-NLP-传统序列模型-RNN-案例-Tokenizer-说明.mp4
││├──064-NLP-传统序列模型-RNN-案例-Tokenizer-编码.mp4
││├──065-NLP-传统序列模型-RNN-存在问题-概述.mp4
││├──066-NLP-传统序列模型-RNN-存在问题-分析.mp4
││├──067-NLP-传统序列模型-LSTM-概述.mp4
││├──068-NLP-传统序列模型-LSTM-基础结构-说明.mp4
││├──069-NLP-传统序列模型-LSTM-缓解梯度消失和爆炸.mp4
││├──070-NLP-传统序列模型-LSTM-复杂结构.mp4
││├──071-NLP-传统序列模型-LSTM-API-构造参数.mp4
││├──072-NLP-传统序列模型-LSTM-API-输入输出.mp4
││├──073-NLP-传统序列模型-LSTM-案例-概述&思路分析.mp4
││├──074-NLP-传统序列模型-LSTM-案例-数据处理-说明.mp4
││├──075-NLP-传统序列模型-LSTM-案例-数据处理-编码-上.mp4
││├──076-NLP-传统序列模型-LSTM-案例-数据处理-编码-下.mp4
││├──077-NLP-传统序列模型-LSTM-案例-数据集.mp4
││├──078-NLP-传统序列模型-LSTM-案例-模型定义.mp4
││├──079-NLP-传统序列模型-LSTM-案例-模型训练.mp4
││├──080-NLP-传统序列模型-LSTM-案例-模型预测.mp4
││├──081-NLP-传统序列模型-LSTM-案例-模型评估.mp4
││├──082-NLP-传统序列模型-LSTM-存在问题.mp4
││├──083-NLP-传统序列模型-GRU-基础结构.mp4
││├──084-NLP-传统序列模型-GRU-复杂结构&API使用说明.mp4
││├──085-NLP-传统序列模型-GRU-案例实操.mp4
││├──086-NLP-传统序列模型-LSTM_GRU_RNN横向对比.mp4
││├──087-NLP-Seq2Seq-概述.mp4
││├──088-NLP-Seq2Seq-模型结构-编码器.mp4
││├──089-NLP-Seq2Seq-模型结构-解码器.mp4
││├──090-NLP-Seq2Seq-模型结构-训练机制.mp4
││├──091-NLP-Seq2Seq-模型结构-推理机制.mp4
││├──092-NLP-Seq2Seq-模型结构-案例实操-概述.mp4
││├──093-NLP-Seq2Seq-模型结构-案例实操-需求分析.mp4
││├──094-NLP-Seq2Seq-模型结构-案例实操-数据预处理-读取文件.mp4
││├──095-NLP-Seq2Seq-模型结构-案例实操-数据预处理-改造Tokenizer.mp4
││├──096-NLP-Seq2Seq-模型结构-案例实操-数据预处理-词表构建.mp4
││├──097-NLP-Seq2Seq-模型结构-案例实操-数据预处理-构建数据集.mp4
││├──098-NLP-Seq2Seq-模型结构-案例实操-Dataloader.mp4
││├──099-NLP-Seq2Seq-模型结构-案例实操-模型定义-编码器.mp4
││├──100-NLP-Seq2Seq-模型结构-案例实操-模型定义-解码器.mp4
││├──101-NLP-Seq2Seq-模型结构-案例实操-模型定义-完整模型.mp4
││├──102-NLP-Seq2Seq-模型结构-案例实操-训练脚本-核心代码.mp4
││├──103-NLP-Seq2Seq-模型结构-案例实操-训练脚本-pad_token处理逻辑.mp4
││├──104-NLP-Seq2Seq-案例-预测脚本.mp4
││├──105-NLP-Seq2Seq-案例-评估脚本-bleu说明.mp4
││├──106-NLP-Seq2Seq-案例-评估脚本-编码.mp4
││├──107-NLP-Seq2Seq-总结.mp4
││├──108-NLP-Attention机制-概述.mp4
││├──109-NLP-Attention机制-工作原理-概述.mp4
││├──110-NLP-Attention机制-工作原理-具体步骤.mp4
││├──111-NLP-Attention机制-注意力评分函数.mp4
││├──112-NLP-Attention机制-案例-代码升级改造思路.mp4
││├──113-NLP-Attention机制-案例-注意力机制-实现思路.mp4
││├──114-NLP-Attention机制-案例-注意力机制-编码.mp4
││├──115-NLP-Attention机制-案例-注意力机制-训练和预测逻辑修改.mp4
││├──116-NLP-Transformer-概述.mp4
││├──117-NLP-Transformer-核心思想.mp4
││├──118-NLP-Transformer-模型结构-整体结构.mp4
││├──119-NLP-Transformer-模型结构-编码器-概述.mp4
││├──120-NLP-Transformer-模型结构-编码器-自注意力子层-生成QKV向量.mp4
││├──121-NLP-Transformer-模型结构-编码器-自注意力子层-完整计算过程.mp4
││├──122-NLP-Transformer-模型结构-编码器-自注意力子层-多头注意力.mp4
││├──123-NLP-Transformer-模型结构-编码器-前馈神经网络层.mp4
││├──124-NLP-Transformer-模型结构-编码器-残差连接&层归一化-概述.mp4
││├──125-NLP-Transformer-模型结构-编码器-残差连接-说明.mp4
││├──126-NLP-Transformer-模型结构-编码器-层归一化.mp4
││├──127-NLP-Transformer-模型结构-编码器-位置编码.mp4
││├──128-NLP-Transformer-模型结构-编码器-说明.mp4
││├──129-NLP-Transformer-模型结构-编码器-小结.mp4
││├──130-NLP-Transformer-模型结构-解码器-概述.mp4
││├──131-NLP-Transformer-模型结构-解码器-Mask-Attention.mp4
││├──132-NLP-Transformer-模型结构-解码器-Cross-Attention.mp4
││├──133-NLP-Transformer-模型结构-解码器-小结.mp4
││├──134-NLP-Transformer-实现细节-注意力为什么需要缩放.mp4
││├──135-NLP-Transformer-实现细节-注意力如何感知相对位置.mp4
││├──136-NLP-Transformer-模型训练和推理机制.mp4
││├──137-NLP-Transformer-API-概述.mp4
││├──138-NLP-Transformer-API-nn.Transformer-构造参数.mp4
││├──139-NLP-Transformer-API-nn.Transformer-forward方法-概述.mp4
││├──140-NLP-Transformer-API-nn.Transformer-forward方法-输入输出.mp4
││├──141-NLP-Transformer-API-nn.Transformer-encoder&decoder.mp4
││├──142-NLP-Transformer-案例-代码改造思路.mp4
││├──143-NLP-Transformer-案例-模型定义-基础结构.mp4
││├──144-NLP-Transformer-案例-模型定义-位置编码-简易实现.mp4
││├──145-NLP-Transformer-案例-模型定义-位置编码-哈弗实现.mp4
││├──146-NLP-Transformer-案例-模型定义-前向传播.mp4
││├──147-NLP-Transformer-案例-训练脚本.mp4
││├──148-NLP-Transformer-案例-预测&评估脚本.mp4
││├──149-NLP-Transformer-哈佛版本-核心源码解读.mp4
││├──150-NLP-预训练模型-概述.mp4
││├──151-NLP-预训练模型-分类.mp4
││├──152-NLP-预训练模型-主流模型-GPT-概述.mp4
││├──153-NLP-预训练模型-主流模型-GPT-模型结构.mp4
││├──154-NLP-预训练模型-主流模型-GPT-预训练.mp4
││├──155-NLP-预训练模型-主流模型-GPT-微调.mp4
││├──156-NLP-预训练模型-主流模型-BERT-概述.mp4
││├──157-NLP-预训练模型-主流模型-BERT-模型结构.mp4
││├──158-NLP-预训练模型-主流模型-BERT-微调.mp4
││├──159-NLP-预训练模型-主流模型-BERT-预训练.mp4
││├──160-NLP-预训练模型-主流模型-T5-概述&模型结构.mp4
││├──161-NLP-预训练模型-主流模型-T5-预训练&微调.mp4
││├──162-NLP-预训练模型-HF-概述.mp4
││├──163-NLP-预训练模型-HF-模型加载-AutoModel.mp4
││├──164-NLP-预训练模型-HF-模型加载-AutoModelForXXX.mp4
││├──165-NLP-预训练模型-HF-模型使用.mp4
││├──166-NLP-预训练模型-HF-Tokenizer-加载.mp4
││├──167-NLP-预训练模型-HF-Tokenizer-使用.mp4
││├──168-NLP-预训练模型-HF-Tokenizer-模型配合使用.mp4
││├──169-NLP-预训练模型-HF-Datasets-概述.mp4
││├──170-NLP-预训练模型-HF-Datasets-加载数据集.mp4
││├──171-NLP-预训练模型-HF-Datasets-查看数据集.mp4
││├──172-NLP-预训练模型-HF-Datasets-加载在线数据集.mp4
││├──173-NLP-预训练模型-HF-Datasets-预处理数据集-过滤数据.mp4
││├──174-NLP-预训练模型-HF-Datasets-预处理数据集-划分数据集.mp4
││├──175-NLP-预训练模型-HF-Datasets-预处理数据集-map-上.mp4
││├──176-NLP-预训练模型-HF-Datasets-预处理数据集-map-下.mp4
││├──177-NLP-预训练模型-HF-Datasets-保存数据集.mp4
││├──178-NLP-预训练模型-HF-Datasets-集成Dataloader.mp4
││├──179-NLP-预训练模型-案例-数据预处理-上.mp4
││├──180-NLP-预训练模型-案例-数据预处理-下.mp4
││├──181-NLP-预训练模型-案例-Dataloader.mp4
││├──182-NLP-预训练模型-案例-模型定义.mp4
││├──183-NLP-预训练模型-案例-模型训练.mp4
││├──184-NLP-预训练模型-案例-模型推理.mp4
││├──185-NLP-预训练模型-案例-模型评估.mp4
││├──186-NLP-预训练模型-案例-测试.mp4
││└──187-NLP-预训练模型-案例-带任务头的预训练模型.mp4
│└──NLP课程简介.txt
├──代码
├──尚硅谷AI大模型之NLP教程【录播课】
│├──1.笔记
││└──尚硅谷大模型技术之NLP1.0.3.docx
│├──2.资料
││├──1.词向量
│││└──sgns.weibo.word.bz2
││├──2.数据集
│││├──1.评论数据集
│││├──2.对话数据集
│││└──3.中英短句数据集
││└──3.预训练模型
││└──bert-base-chinese
│├──3.代码
││└──代码.zip
│├──4.视频
││├──001-NLP-课程简介.mp4
││├──002-NLP-课程概述.mp4
││├──003-NLP-导论-常见任务.mp4
││├──004-NLP-导论-技术演进历史.mp4
││├──005-NLP-环境准备.mp4
││├──006-NLP-文本表示-概述.mp4
││├──007-NLP-文本表示-分词-英文分词.mp4
││├──008-NLP-文本表示-分词-英文分词-BPE算法.mp4
││├──009-NLP-文本表示-分词-中文分词.mp4
││├──010-NLP-文本表示-分词-分词工具-概述.mp4
││├──011-NLP-文本表示-分词-分词工具-jieba-分词模式.mp4
││├──012-NLP-文本表示-分词-分词工具-jieba-分词模式-API.mp4
││├──013-NLP-文本表示-分词-分词工具-jieba-自定义词典.mp4
││├──014-NLP-文本表示-词表示-one-hot&语义化词向量-概述.mp4
││├──015-NLP-文本表示-词表示-语义化词向量-Word2Vec-概述.mp4
││├──016-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-Skip-Gram.mp4
││├──017-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-CBOW.mp4
││├──018-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-说明.mp4
││├──019-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-编码.mp4
││├──020-NLP-文本表示-词表示-语义化词向量-训练词向量-概述.mp4
││├──021-NLP-文本表示-词表示-语义化词向量-训练词向量-实操.mp4
││├──022-NLP-文本表示-词表示-语义化词向量-应用-概述.mp4
││├──023-NLP-文本表示-词表示-语义化词向量-应用-编码.mp4
││├──024-NLP-文本表示-词表示-语义化词向量-应用-OOV问题.mp4
││├──025-NLP-文本表示-词表示-上下文相关词向量.mp4
││├──026-NLP-传统序列模型-RNN-概述.mp4
││├──027-NLP-传统序列模型-RNN-基础结构.mp4
││├──028-NLP-传统序列模型-RNN-示意图.mp4
││├──029-NLP-传统序列模型-RNN-多层结构.mp4
││├──030-NLP-传统序列模型-RNN-双向结构.mp4
││├──031-NLP-传统序列模型-RNN-多层+双向结构.mp4
││├──032-NLP-传统序列模型-RNN-API-构造参数.mp4
││├──033-NLP-传统序列模型-RNN-API-输入输出-概述.mp4
││├──034-NLP-传统序列模型-RNN-API-输入输出-含义.mp4
││├──035-NLP-传统序列模型-RNN-API-输入输出-形状分析.mp4
││├──036-NLP-传统序列模型-RNN-API-小练习.mp4
││├──037-NLP-传统序列模型-案例-概述.mp4
││├──038-NLP-传统序列模型-案例-思路分析-数据集说明.mp4
││├──039-NLP-传统序列模型-案例-思路分析-模型结构和训练思路.mp4
││├──040-NLP-传统序列模型-RNN-案例-项目结构.mp4
││├──041-NLP-传统序列模型-RNN-案例-数据预处理-思路分析.mp4
││├──042-NLP-传统序列模型-RNN-案例-数据预处理-读取json文件.mp4
││├──043-NLP-传统序列模型-RNN-案例-数据预处理-文件路径说明.mp4
││├──044-NLP-传统序列模型-RNN-案例-数据预处理-文件路径处理.mp4
││├──045-NLP-传统序列模型-RNN-案例-数据预处理-构建并保存词表.mp4
││├──046-NLP-传统序列模型-RNN-案例-数据预处理-构建训练集.mp4
││├──047-NLP-传统序列模型-RNN-案例-数据预处理-保存训练集&测试集.mp4
││├──048-NLP-传统序列模型-RNN-案例-数据集-说明.mp4
││├──049-NLP-传统序列模型-RNN-案例-数据集-编码.mp4
││├──050-NLP-传统序列模型-RNN-案例-模型定义-初始化方法.mp4
││├──051-NLP-传统序列模型-RNN-案例-模型定义-前向传播.mp4
││├──052-NLP-传统序列模型-RNN-案例-训练脚本-环境准备.mp4
││├──053-NLP-传统序列模型-RNN-案例-训练脚本-训练循环.mp4
││├──054-NLP-传统序列模型-RNN-案例-训练脚本-单个轮次的训练逻辑.mp4
││├──055-NLP-传统序列模型-RNN-案例-训练脚本-Tensorboard使用说明.mp4
││├──056-NLP-传统序列模型-RNN-案例-训练脚本-保存模型.mp4
││├──057-NLP-传统序列模型-RNN-案例-预测脚本-说明.mp4
││├──058-NLP-传统序列模型-RNN-案例-预测脚本-编码-上.mp4
││├──059-NLP-传统序列模型-RNN-案例-预测脚本-编码-下.mp4
││├──060-NLP-传统序列模型-RNN-案例-评估脚本-说明.mp4
││├──061-NLP-传统序列模型-RNN-案例-评估脚本-编码.mp4
││├──062-NLP-传统序列模型-RNN-案例-代码改造说明.mp4
││├──063-NLP-传统序列模型-RNN-案例-Tokenizer-说明.mp4
││├──064-NLP-传统序列模型-RNN-案例-Tokenizer-编码.mp4
││├──065-NLP-传统序列模型-RNN-存在问题-概述.mp4
││├──066-NLP-传统序列模型-RNN-存在问题-分析.mp4
││├──067-NLP-传统序列模型-LSTM-概述.mp4
││├──068-NLP-传统序列模型-LSTM-基础结构-说明.mp4
││├──069-NLP-传统序列模型-LSTM-缓解梯度消失和爆炸.mp4
││├──070-NLP-传统序列模型-LSTM-复杂结构.mp4
││├──071-NLP-传统序列模型-LSTM-API-构造参数.mp4
││├──072-NLP-传统序列模型-LSTM-API-输入输出.mp4
││├──073-NLP-传统序列模型-LSTM-案例-概述&思路分析.mp4
││├──074-NLP-传统序列模型-LSTM-案例-数据处理-说明.mp4
││├──075-NLP-传统序列模型-LSTM-案例-数据处理-编码-上.mp4
││├──076-NLP-传统序列模型-LSTM-案例-数据处理-编码-下.mp4
││├──077-NLP-传统序列模型-LSTM-案例-数据集.mp4
││├──078-NLP-传统序列模型-LSTM-案例-模型定义.mp4
││├──079-NLP-传统序列模型-LSTM-案例-模型训练.mp4
││├──080-NLP-传统序列模型-LSTM-案例-模型预测.mp4
││├──081-NLP-传统序列模型-LSTM-案例-模型评估.mp4
││├──082-NLP-传统序列模型-LSTM-存在问题.mp4
││├──083-NLP-传统序列模型-GRU-基础结构.mp4
││├──084-NLP-传统序列模型-GRU-复杂结构&API使用说明.mp4
││├──085-NLP-传统序列模型-GRU-案例实操.mp4
││├──086-NLP-传统序列模型-LSTM_GRU_RNN横向对比.mp4
││├──087-NLP-Seq2Seq-概述.mp4
││├──088-NLP-Seq2Seq-模型结构-编码器.mp4
││├──089-NLP-Seq2Seq-模型结构-解码器.mp4
││├──090-NLP-Seq2Seq-模型结构-训练机制.mp4
││├──091-NLP-Seq2Seq-模型结构-推理机制.mp4
││├──092-NLP-Seq2Seq-模型结构-案例实操-概述.mp4
││├──093-NLP-Seq2Seq-模型结构-案例实操-需求分析.mp4
││├──094-NLP-Seq2Seq-模型结构-案例实操-数据预处理-读取文件.mp4
││├──095-NLP-Seq2Seq-模型结构-案例实操-数据预处理-改造Tokenizer.mp4
││├──096-NLP-Seq2Seq-模型结构-案例实操-数据预处理-词表构建.mp4
││├──097-NLP-Seq2Seq-模型结构-案例实操-数据预处理-构建数据集.mp4
││├──098-NLP-Seq2Seq-模型结构-案例实操-Dataloader.mp4
││├──099-NLP-Seq2Seq-模型结构-案例实操-模型定义-编码器.mp4
││├──100-NLP-Seq2Seq-模型结构-案例实操-模型定义-解码器.mp4
││├──101-NLP-Seq2Seq-模型结构-案例实操-模型定义-完整模型.mp4
││├──102-NLP-Seq2Seq-模型结构-案例实操-训练脚本-核心代码.mp4
││├──103-NLP-Seq2Seq-模型结构-案例实操-训练脚本-pad_token处理逻辑.mp4
││├──104-NLP-Seq2Seq-案例-预测脚本.mp4
││├──105-NLP-Seq2Seq-案例-评估脚本-bleu说明.mp4
││├──106-NLP-Seq2Seq-案例-评估脚本-编码.mp4
││├──107-NLP-Seq2Seq-总结.mp4
││├──108-NLP-Attention机制-概述.mp4
││├──109-NLP-Attention机制-工作原理-概述.mp4
││├──110-NLP-Attention机制-工作原理-具体步骤.mp4
││├──111-NLP-Attention机制-注意力评分函数.mp4
││├──112-NLP-Attention机制-案例-代码升级改造思路.mp4
││├──113-NLP-Attention机制-案例-注意力机制-实现思路.mp4
││├──114-NLP-Attention机制-案例-注意力机制-编码.mp4
││├──115-NLP-Attention机制-案例-注意力机制-训练和预测逻辑修改.mp4
││├──116-NLP-Transformer-概述.mp4
││├──117-NLP-Transformer-核心思想.mp4
││├──118-NLP-Transformer-模型结构-整体结构.mp4
││├──119-NLP-Transformer-模型结构-编码器-概述.mp4
││├──120-NLP-Transformer-模型结构-编码器-自注意力子层-生成QKV向量.mp4
││├──121-NLP-Transformer-模型结构-编码器-自注意力子层-完整计算过程.mp4
││├──122-NLP-Transformer-模型结构-编码器-自注意力子层-多头注意力.mp4
││├──123-NLP-Transformer-模型结构-编码器-前馈神经网络层.mp4
││├──124-NLP-Transformer-模型结构-编码器-残差连接&层归一化-概述.mp4
││├──125-NLP-Transformer-模型结构-编码器-残差连接-说明.mp4
││├──126-NLP-Transformer-模型结构-编码器-层归一化.mp4
││├──127-NLP-Transformer-模型结构-编码器-位置编码.mp4
││├──128-NLP-Transformer-模型结构-编码器-说明.mp4
││├──129-NLP-Transformer-模型结构-编码器-小结.mp4
││├──130-NLP-Transformer-模型结构-解码器-概述.mp4
││├──131-NLP-Transformer-模型结构-解码器-Mask-Attention.mp4
││├──132-NLP-Transformer-模型结构-解码器-Cross-Attention.mp4
││├──133-NLP-Transformer-模型结构-解码器-小结.mp4
││├──134-NLP-Transformer-实现细节-注意力为什么需要缩放.mp4
││├──135-NLP-Transformer-实现细节-注意力如何感知相对位置.mp4
││├──136-NLP-Transformer-模型训练和推理机制.mp4
││├──137-NLP-Transformer-API-概述.mp4
││├──138-NLP-Transformer-API-nn.Transformer-构造参数.mp4
││├──139-NLP-Transformer-API-nn.Transformer-forward方法-概述.mp4
││├──140-NLP-Transformer-API-nn.Transformer-forward方法-输入输出.mp4
││├──141-NLP-Transformer-API-nn.Transformer-encoder&decoder.mp4
││├──142-NLP-Transformer-案例-代码改造思路.mp4
││├──143-NLP-Transformer-案例-模型定义-基础结构.mp4
││├──144-NLP-Transformer-案例-模型定义-位置编码-简易实现.mp4
││├──145-NLP-Transformer-案例-模型定义-位置编码-哈弗实现.mp4
││├──146-NLP-Transformer-案例-模型定义-前向传播.mp4
││├──147-NLP-Transformer-案例-训练脚本.mp4
││├──148-NLP-Transformer-案例-预测&评估脚本.mp4
││├──149-NLP-Transformer-哈佛版本-核心源码解读.mp4
││├──150-NLP-预训练模型-概述.mp4
││├──151-NLP-预训练模型-分类.mp4
││├──152-NLP-预训练模型-主流模型-GPT-概述.mp4
││├──153-NLP-预训练模型-主流模型-GPT-模型结构.mp4
││├──154-NLP-预训练模型-主流模型-GPT-预训练.mp4
││├──155-NLP-预训练模型-主流模型-GPT-微调.mp4
││├──156-NLP-预训练模型-主流模型-BERT-概述.mp4
││├──157-NLP-预训练模型-主流模型-BERT-模型结构.mp4
││├──158-NLP-预训练模型-主流模型-BERT-微调.mp4
││├──159-NLP-预训练模型-主流模型-BERT-预训练.mp4
││├──160-NLP-预训练模型-主流模型-T5-概述&模型结构.mp4
││├──161-NLP-预训练模型-主流模型-T5-预训练&微调.mp4
││├──162-NLP-预训练模型-HF-概述.mp4
││├──163-NLP-预训练模型-HF-模型加载-AutoModel.mp4
││├──164-NLP-预训练模型-HF-模型加载-AutoModelForXXX.mp4
││├──165-NLP-预训练模型-HF-模型使用.mp4
││├──166-NLP-预训练模型-HF-Tokenizer-加载.mp4
││├──167-NLP-预训练模型-HF-Tokenizer-使用.mp4
││├──168-NLP-预训练模型-HF-Tokenizer-模型配合使用.mp4
││├──169-NLP-预训练模型-HF-Datasets-概述.mp4
││├──170-NLP-预训练模型-HF-Datasets-加载数据集.mp4
││├──171-NLP-预训练模型-HF-Datasets-查看数据集.mp4
││├──172-NLP-预训练模型-HF-Datasets-加载在线数据集.mp4
││├──173-NLP-预训练模型-HF-Datasets-预处理数据集-过滤数据.mp4
││├──174-NLP-预训练模型-HF-Datasets-预处理数据集-划分数据集.mp4
││├──175-NLP-预训练模型-HF-Datasets-预处理数据集-map-上.mp4
││├──176-NLP-预训练模型-HF-Datasets-预处理数据集-map-下.mp4
││├──177-NLP-预训练模型-HF-Datasets-保存数据集.mp4
││├──178-NLP-预训练模型-HF-Datasets-集成Dataloader.mp4
││├──179-NLP-预训练模型-案例-数据预处理-上.mp4
││├──180-NLP-预训练模型-案例-数据预处理-下.mp4
││├──181-NLP-预训练模型-案例-Dataloader.mp4
││├──182-NLP-预训练模型-案例-模型定义.mp4
││├──183-NLP-预训练模型-案例-模型训练.mp4
││├──184-NLP-预训练模型-案例-模型推理.mp4
││├──185-NLP-预训练模型-案例-模型评估.mp4
││├──186-NLP-预训练模型-案例-测试.mp4
││└──187-NLP-预训练模型-案例-带任务头的预训练模型.mp4
│└──NLP课程简介.txt
├──883.尚硅谷大模型智能体线上速成班260111_文件目录.txt
├──尚硅谷大模型智能体线上班.JPG
└──智能体-课程大纲.pdf
