极客时间AI大模型微调训练营第五期|完结

网盘截图：

课程目录：

├── 第9章
│   ├── 课件
│   │   ├── GLM论文.zip
│   │   ├── 9-GLM 大模型家族与ChatGLM3-6B微调入门.pdf
│   ├── 2. 基座模型 GLM-130B.mp4
│   ├── 3. 扩展模型：联网检索、多模态、代码生成.mp4
│   ├── 7.作业.txt
│   ├── 1. 章节介绍.mp4
│   ├── 4. 对话模型 ChatGLM 系列.mp4
│   ├── 6. 实战 QLoRA 微调 ChatGLM3-6B.mp4
│   ├── 5. ChatGLM3-6B 微调入门.mp4
├── 第16章
│   ├── 课件
│   │   ├── 16-国产化实战：基于华为 Ascend 910 微调 ChatGLM-6B.pdf
│   ├── 5. 华为昇腾全栈 AI 软硬件平台介绍.mp4
│   ├── 3. 厚积薄发的江湖大佬：Google.mp4
│   ├── 2. 蓝色星球的算力霸主：NVIDIA.mp4
│   ├── 4. 努力追赶的国产新秀：华为.mp4
│   ├── 6. 实战：华为 Ascend 910B 微调 ChatGLM 6B 模型.mp4
│   ├── 1. 章节介绍.mp4
├── 第17章 智谱章节
│   ├── 3. CogVLM模型部署实践.mp4
│   ├── 5. 选学 API 基础教学和实战-问题解决方案.txt
│   ├── 6. 使用 GLM-4 API 构建模型和应用.mp4
│   ├── 1. GLM 大模型家族介绍.mp4
│   ├── 5. 选学 API 基础教学和实战.mp4
│   ├── 1.GLM大模型家族介绍.pdf
│   ├── 4.选学 GLM4 GLM4V API 调用实践.pdf
│   ├── 4. 选学 智谱第四代 API 介绍.mp4
│   ├── 2.GLM模型部署实践.pdf
│   ├── 3.CogVLM模型部署实践.pdf
│   ├── 2. GLM 模型部署微调实践.mp4
├── 第7章
│   ├── 课件
│   │   ├── 7-大模型高效微调工具HF PEFT 入门与实战.pdf
│   ├── 1. 章节介绍.mp4
│   ├── 2. Hugging Face PEFT 快速入门.mp4
│   ├── 3. OpenAI Whisper 模型介绍.mp4
│   ├── 5.作业.txt
│   ├── 4. 实战 LoRA 微调 Whisper-Large-v2 中文语音识别.mp4
├── 第10章
│   ├── 课件
│   │   ├── 10-实战私有数据微调ChatGLM3.pdf
│   ├── 3. 合成数据： LangChain + GPT-3.5 Turbo.mp4
│   ├── 1. 章节介绍.mp4
│   ├── 5. 提示工程：保持批量生成数据稳定性.mp4
│   ├── 2. 使用 ChatGPT 自动设计生成训练数据的 Prompt.mp4
│   ├── 7.作业.txt
│   ├── 6. 实战私有数据微调 ChatGLM3.mp4
│   ├── 4. 数据增强：提升训练数据多样性.mp4
├── 直播回放
│   ├── 10.17 第四次直播答疑.mp4
│   ├── 9.26 第三次直播答疑.mp4
│   ├── 8.29 第一次直播答疑.mp4
├── 第13章
│   ├── 课件
│   │   ├── 13-Meta AI 大模型 LLaMA.pdf
│   │   ├── LLaMA论文.zip
│   ├── 1. 章节介绍.mp4
│   ├── 3. LLaMA 1 衍生模型大家族.mp4
│   ├── 5. 申请和获取 LLaMA 2 模型预训练权重.mp4
│   ├── 4. LLaMA 2 大模型技术解读.mp4
│   ├── 2. LLaMA 1 大模型技术解读.mp4
├── 第5章
│   ├── 课件
│   │   ├── 5-大模型高效微调技术揭秘（上）.pdf
│   │   ├── Fine-tuning论文.zip
│   │   ├── Instruction-Tuning论文.zip
│   ├── 4. PEFT - Adapter技术.mp4
│   ├── 3. PEFT主流技术分类介绍.mp4
│   ├── 5. PEFT - Soft Prompt 技术（Task-specific Tuning）.mp4
│   ├── 1. 章节介绍.mp4
│   ├── 6. PEFT - Soft Prompt 技术（Prompt Encoder）.mp4
│   ├── 2. Before PEFT：Hard Prompt  Full Fine-tune.mp4
├── 第6章
│   ├── 课件
│   │   ├── 6-大模型高效微调技术揭秘（下）.pdf
│   ├── 5. UniPELT：大模型PEFT统一框架.mp4
│   ├── 2. LoRA低秩适配微调技术.mp4
│   ├── 3. AdaLoRA自适应权重矩阵微调技术.mp4
│   ├── 1. 章节介绍.mp4
│   ├── 6. (IA)3：极简主义增量训练方法.mp4
│   ├── 4. QLoRA量化低秩适配微调技术.mp4
├── 第3章
│   ├── 课件
│   │   ├── 5-大模型开发工具库 HF Transformers.pdf
│   ├── 2. Hugging Face Transformers快速入门.mp4
│   ├── 4. 大模型开发环境搭建.mp4
│   ├── 5. 实战Hugging Face Transformers工具库.mp4
│   ├── 6.作业.txt
│   ├── 1. 章节介绍.mp4
│   ├── 3. Transformers核心功能模块.mp4
├── 第2章
│   ├── 课件
│   │   ├── 代码链接地址.txt
│   │   ├── 论文.zip
│   │   ├── 2-大语言模型技术发展与演进.pdf
│   ├── 4. 大语言模型：注意力机制.mp4
│   ├── 7. 大语言模型：暴力美学GPT系列模型.mp4
│   ├── 1. 章节介绍.mp4
│   ├── 3. 神经网络语言模型.mp4
│   ├── 6. 大语言模型：GPT-1与BERT.mp4
│   ├── 2. 统计语言模型.mp4
│   ├── 5. 大语言模型：Transformer网络架构.mp4
├── 第8章
│   ├── 课件
│   │   ├── 8-大模型量化技术入门与实战.pdf
│   │   ├── Quantization论文.zip
│   ├── 1. 章节介绍.mp4
│   ├── 6. 实战 Facebook OPT 模型量化.mp4
│   ├── 5. BitsAndBytes(BnB) ：模型量化软件包.mp4
│   ├── 4. AWQ：激活感知权重量化算法.mp4
│   ├── 3. GPTQ：专为 GPT 设计的模型量化算法.mp4
│   ├── 2. 模型显存占用与量化技术简介.mp4
│   ├── 7.作业.txt
├── 第1章
│   ├── 课件
│   │   ├── 1-AI大模型四阶技术总览.pdf
│   ├── 4. 把握浪潮：AI 大模型助力超级个体和小团队.mp4
│   ├── 5. AI大模型四阶技术总览：提示工程（Prompt Engineering）.mp4
│   ├── 6. AI大模型四阶技术总览：AI智能体（Agents）.mp4
│   ├── 8. AI大模型四阶技术总览：预训练技术（Pre-training）.mp4
│   ├── 7. AI大模型四阶技术总览：大模型微调（Fine-tuning）.mp4
│   ├── 1. 章节介绍.mp4
│   ├── 3. AI应用浪潮：高校共识、硅谷创新、中美博弈.mp4
│   ├── 2. AI技术浪潮：弱人工智能、机器学习、深度学习、大语言模型.mp4
├── 第14章
│   ├── 课件
│   │   ├── 14-实战LLaMA2-7B指令微调.pdf
│   ├── 1. 章节介绍.mp4
│   ├── 3. LLaMA2-7B 指令微调上手实战.mp4
│   ├── 4. 再谈中文指令微调方法.mp4
│   ├── 2. 大模型训练技术总结.mp4
├── 第11章
│   ├── 课件
│   │   ├── 11-ChatGPT大模型训练技术RLHF.pdf
│   │   ├── RLHF论文.zip
│   ├── 2. ChatGPT 大模型训练核心技术.mp4
│   ├── 1. 章节介绍.mp4
│   ├── 3. 基于人类反馈的强化学习（RLHF）技术详解.mp4
│   ├── 4. 基于 AI 反馈的强化学习（RLAIF）技术.mp4
├── 第12章
│   ├── 课件
│   │   ├── 12-混合专家模型（MoEs）技术揭秘.pdf
│   │   ├── MoEs论文.zip
│   ├── 3. MoEs 与大模型结合后的技术发展.mp4
│   ├── 2. MoEs 技术发展简史.mp4
│   ├── 4. MoEs 实例研究：Mixtral-8x7B.mp4
│   ├── 1. 章节介绍.mp4
├── 第15章
│   ├── 课件
│   │   ├── 15-大模型分布式训练框架Microsoft DeepSpeed.pdf
│   ├── 4. Microsoft DeepSpeed 框架和核心技术.mp4
│   ├── 5. 分布式模型训练并行化技术对比.mp4
│   ├── 1. 章节介绍.mp4
│   ├── 6. DeepSpeed 与 Transformers 集成训练大模型.mp4
│   ├── 8. DeepSpeed ZeRO 配置详解.mp4
│   ├── 11. DeepSpeed 创新模块 Inference Compression  Science.mp4
│   ├── 9. 使用 DeepSpeed 单机多卡、分布式训练.mp4
│   ├── 2. 预训练模型显存计算方法.mp4
│   ├── 10. 实战 DeepSpeed ZeRO-2 和 ZeRO-3 单机单卡训练.mp4
│   ├── 3. Zero Redundancy Optimizer  ZeRO技术详解.mp4
│   ├── 7. DeepSpeed 框架编译与安装.mp4
├── 第4章
│   ├── 课件
│   │   ├── 4-实战Transformers模型训练.pdf
│   ├── 4. 实战训练BERT模型：文本分类任务.mp4
│   ├── 1. 章节介绍.mp4
│   ├── 5. 实战训练BERT模型：QA任务.mp4
│   ├── 3. Transformers模型训练入门.mp4
│   ├── 6.作业.txt
│   ├── 2. 数据集处理库Hugging Face Datasets.mp4
├── 02-课程表.webp
├── 01-课前准备.docx