开源课程

多模态，大模型，AI，大模型课程，multimodality，机器学习，深度学习

MiniCPM-V


01 多模态 MiniCPM-V 项目简介

02 基于Gradio和Streamlit实现Web端问答交互

03 基于llama cpp进行模型量化和推理

04 多模态 基于vLLM进行模型推理与源码讲解

05 多模态 基于MiniCPM V进行全参微调和lora微调

llama，llama3,大模型课程，大语言模型，AIGC，多模态

llama 2 模型推理

llama 3_01 模型简介

llama 3_02 环境配置 模型下载与模型推理

llama 3_03 torchrun推理与特殊标记的应用

llama 3_04 使用llama.cpp进行llama 3模型的量化和部署

llama 3_05 使用Docker部署llama 3量化模型API服务

llama 3_06 基于llama-factory和自定义数据集进行模型微调

llama 3_07 基于 TensorRT-LLM 和 Triton 进行 llama3 模型部署


多模态，大模型，AI，大模型课程，multimodality，机器学习，深度学习



lora,LLM,大模型，大语言模型，llama

01 算法原理深入解析-上集

02 算法原理深入解析-下集

03 案例演示 LoRA的核心逻辑

04 基于PEFT进行llama3模型微调实战

05_01 基于GPT-2进行LoRA微调实战

05_02 基于GPT-2进行LoRA微调实战

06 LoRA核心算法实现

07 在VS Code中debug LoRA微调细节



01 QLoRA课程简介

02 算法原理 深入解析

03 算法原理 案例实践




langchain,大模型，AI,教程，在线课程

LangChain 实战案例 01

基于上传PDF文档进行QA问答


LangChain 第1节 项目简介

LangChain 第2节 源码讲解

LangChain 第3节 向量数据库

LangChain 第4节 基于Gradio实现QA交互


OpenAI assistant API


OpenAI assistant API 学习指南-简介

OpenAI assistant API-assistant运行原理


llama,meta,大模型，openai
大语言模型，LLM，RAG，案例实战，DeepSpeed

DeepSpeed-Chat Step-1-01 简介

Step-1-02 actor 模型微调

Step-1-03 actor 模型评估

Step-1-04 actor 模型推理

Step-1-04 源代码解读之参数配置

……

DeepSpeed-Chat Step-2-01 简介

Step-2-02 Reward模型微调和评估

Step-2-03 源码解读-参数配置和初始化

Step-2-04 源码解读-创建Reward模型

……


deepspeed, 大模型训练，llama，llama3,大模型课程，大语言模型，AIGC，多模态

方案1-CIFAR10-01 数据加载和预处理

方案1-CIFAR10-02 模型定义与超参数创建

方案1-CIFAR10-03 模型训练和本地保存

方案1-CIFAR10-04 模型性能验证

方案1-CIFAR10-05 基于FastAPI实现推理服务


deepspeed, 大模型训练，分布式训练，模型优化

方案2-CIFAR10-DeepSpeed-01 超参数定义

方案2-CIFAR10-DeepSpeed-02 模型结构定义

方案2-CIFAR10-DeepSpeed-03 模型分布式训练

方案2-CIFAR10-DeepSpeed-04 模型性能验证

方案2-CIFAR10-DeepSpeed-05 配置文件参数讲解

方案2-CIFAR10-DeepSpeed-06 模型分布式训练


llama，llama3,大模型课程，大语言模型，AIGC，多模态



源码讲解 01 中文词汇表扩充

源码讲解 02 llama与lora模型合并

源码讲解 03 基于llama模型进行推理

源码讲解 04 上集-模型预训练代码逐行剖析

源码讲解 05 中集-模型预训练代码逐行剖析

源码讲解 06 下集-模型预训练代码逐行剖析

源码讲解 07 上集-API服务server代码讲解


llama,大模型，chinese llama alpaca, 大语言模型，大模型微调

案例实战 01 项目概览

案例实战 02 指令数据生成

案例实战 03 LLaMA模型本地部署

案例实战 04 基于webUI进行交互

案例实战 05 基于LLaMA和LoRA模型进行预训练

案例实战 06 上集—基于LLaMA和LoRA模型进行指令精调

案例实战 07 下集—基于LLaMA和LoRA模型进行指令精调

案例实战 08 LLaMA与LangChain进行集成

案例实战 09 剧透-使用 FastAPI 实现 LLaMA API服务

案例实战 10 LLaMA tokenizer模型与中文tokenizer模型合并操作

案例实战 11 单个LoRA权重与LLaMA合并

案例实战 12 多个LoRA权重与LLaMA合并

案例实战 13 指令精调手把手教程-升级版

案例实战 14 基于llama.cpp量化模型部署
案例实战 15 使用 privateGPT 进行多文档问答

案例实战 16 llama.cpp量化模型GPU加速推理

案例实战 17 llama.cpp量化模型API服务部署


elasticsearch, llama, 大模型， 向量数据库，ES


03_01 进阶学 · Elasticsearch 索引操作

03_02 进阶学 · Elasticsearch 映射操作-1

03_02 进阶学 · Elasticsearch 映射操作-2

03_02 进阶学 · Elasticsearch 映射操作-3
03_02 进阶学 · Elasticsearch 映射操作-4

03_03 进阶学 · Elasticsearch 文档操作

03_04 进阶学 · ES 基于 python API 实践-1

03_04 进阶学 · ES 基于 python API 实践-2

04_01 进阶学 · Elasticsearch Analyzer 简介

04_02 进阶学 · Elasticsearch Analyzer 应用
04_03 ES Analyzer IK分词器-自定义词典

04_04 ES Analyzer IK分词器-同义词-上集

04_05 ES Analyzer IK分词器-同义词-下集

04_06 ES Analyzer IK分词器-停用词

04_07 ES Analyzer IK分词器-拼音搜索

04_08 进阶学 · Elasticsearch 辅助功能

04_09 进阶学 · Elasticsearch 布尔查询

04_10 进阶学 · Elasticsearch 全文搜索

04_11 进阶学 · Elasticsearch 搜索排序


elasticsearch,搜索引擎优化，向量数据库，大模型

轻松学 ES_01 理论+实战 入门课程简介

轻松学 ES_02 安装ES和Kibana

轻松学 ES_03 python API 操作入门

轻松学 ES_04 文本相似性计算


进阶学 Elasticsearch：

01_01 基于Docker：ES和Kibana安装指南

01_02 基于Ubuntu：ES和Kibana安装指南

01_03 基于Mac OS：ES和Kibana安装指南
02_01 进阶学 · Elasticsearch 理论部分

02_02 进阶学 · Elasticsearch 理论部分


pytorch,深度学习，大模型框架，大模型应用，llama


12-01 LSTM文本生成_字符级

12-02 LSTM文本生成_字符级
12-03 LSTM文本生成_字符级

12-04 LSTM文本生成_字符级

13-01 PyTorch LSTM 情感分类【下篇】

13-02 PyTorch LSTM 情感分类【下篇】

13-03 PyTorch LSTM 情感分类【下篇】

精讲版-01 线性回归基础知识

精讲版-02 生成虚拟样本数据

精讲版-03 tensor的基本概念和应用

精讲版-04 梯度下降法原理讲解

精讲版-05 自动梯度计算backward

精讲版-06 优化器optimizer和损失函数MSELoss

精讲版-07 定义模型类 进行前向传播计算

精讲版-08 序列模型 Sequential Model

精讲版-09 Dataset和DataLoader封装原理和应用

精讲版-10 模型验证 代码升级

精讲版-11 天气预测实战-数据预处理

精讲版-12 天气预测实战-模型搭建

精讲版-13 天气预测实战-模型训练和验证

精讲版-14 天气预测实战-模型评估 混淆矩阵


深度学习入门，深度学习PyTorch, 大模型框架，深度学习课程，PyTorch在线课程

01-轻松学 PyTorch 简介和安装

02-轻松学 PyTorch 初识Tensor

03-1 手写字体识别 MNIST (理论)

03-2 手写字体识别 MNIST (实战 - 上)

03-3 手写字体识别 MNIST (实战 - 下)

04-1 肺部感染识别 简介

04-2 显示数据集中的图片

04-3 迁移学习，模型微调

04-4 定义训练函数

04-5 定义测试函数
04-6 肺部识别案例实现

05-1 RNN LSTM MNIST实战案例

05-2 RNN LSTM MNIST实战案例

05-3 RNN LSTM MNIST实战案例

05-4 RNN LSTM MNIST实战案例

05-5 RNN LSTM MNIST实战案例

06-01 基础知识复习-1

06-02 基础知识复习-2

07-01 经典案例CIFAR10图形识别 官网实现

07-02 经典案例CIFAR10 图形识别 个人实现

08-01 肺部感染图像识别 - （上）

08-02 肺部感染图像识别 - （中）

08-03 肺部感染图像识别 - （下集）

08-04 肺部感染图像识别 - （结果展示）

09 迁移学习【图像识别】基于Flask实现

10-1 情感分类 Tensorflow LSTM实现

10-2 情感分类 Tensorflow LSTM实现

10-3 PyTorch 情感分类 LSTM实现

11-01 交通指示牌识别_迁移学习

11-02 交通指示牌识别_迁移学习

11-03 交通指示牌识别_迁移学习
11-04 交通指示牌识别案例_识别43个类别


机器学习，pytorch,深度学习，大模型框架，大模型应用，llama

1-01 实战 泰坦尼克号沉船人员获救案例 数据清洗

1-02 实战 泰坦尼克号沉船人员获救案例 特征构建 (一)

1-03 实战 泰坦尼克号沉船人员获救案例 特征构建 (二)
1-04 实战 泰坦尼克号沉船人员获救案例 训练集和测试集

1-05 实战 泰坦尼克号沉船人员获救案例 随机森林算法实现

2 机器学习实战 纽约出租车车费预测

3-01 实战 RNN LSTM 原理

3-02 LSTM 文本生成（字符级）

3-03 LSTM IBM股价预测 第一节

3-04 LSTM IBM股价预测 第二节

3-05 LSTM IBM股价预测 第三节
3-06 LSTM IBM股价预测 第四节

3-07 LSTM IBM股价预测 第五节

4-01 决策树 随机森林算法案例实战 原理部分

4-02 决策树 随机森林算法案例实战 用户流失预测

5-01 聚类算法kmeans和MeanShift原理+零售案例实战

5-02 聚类算法kmeans和MeanShift实战 消费者画像分析

6-01 信用卡交易欺诈数据检测 (一)

6-02 信用卡交易欺诈数据检测 (二)

6-03 信用卡交易欺诈数据检测 方法2 (三)

6-04 信用卡交易欺诈数据检测 方法2 (四)

6-05 信用卡交易欺诈数据检测 方法3 基于Pytorch实现 (五)

7-01 最牛算法之一_lightGBM算法_理论部分

7-02 lightGBM算法_交易欺诈检测实战【上集】

7-03 ightGBM算法_交易欺诈检测实战【下集】

8_01 房屋价格预测【回归案例】

8_02 房屋价格预测【回归案例】

8_03 房屋价格预测【回归案例】

9-1 进阶版 房屋价格预测案例 线性回归 理论部分

9-2 进阶版 房屋价格预测 案例实战 数据预处理

9-3 进阶版 房屋价格预测 案例实战 数据探索与分析（上）

9-4 进阶版 房屋价格预测 案例实战 数据探索与分析（下）

9-5 进阶版 房屋价格预测 案例实战 特征工程

9-6 进阶版 房屋价格预测 案例实战 模型训练和预测


机器学习，machinelearning, 机器学习在线课程，机器学习实战案例，免费课程

LightGBM 01 机器学习算法简介
LightGBM 02 算法大纲
LightGBM 03 基于Histogram的决策树算法
LightGBM 04 单边梯度采样与互斥特征绑定
LightGBM 05 多线程优化
LightGBM 06 核心超参数讲解
LightGBM 07 论文解读
LightGBM 08 入门案例
LightGBM 09 医疗分类案例
LightGBM 10 餐厅营收预测回归案例-上集
LightGBM 11 餐厅营收预测回归案例-下集

决策树 01 算法简介

决策树 02 算法原理

决策树 03 算法原理

决策树 04 算法原理

决策树 05 算法原理

决策树 06 算法原理

决策树 07 医疗分类 入门案例

决策树 08 算法Python底层实现

决策树 09 算法Python底层实现

决策树 10 算法Python底层实现

决策树 11 算法Python底层实现

决策树 12 算法Python底层实现

……


NLP，自然语言处理，natural language processing，在线课程，免费课程

01 BERT及其变种的原理（一）

02 BERT及其变种的原理（二）

03 BERT及其变种的原理（三）

04 BERT及其变种的原理（四）

05 BERT及其变种的原理（五）

06 BERT入门二分类案例

07 BERT基于RoBERTa训练一个MLM掩码语言模型

08 基于BiLSTM和BERT实现分类任务（一）

09 基于BiLSTM和BERT实现分类任务（二）

10 基于BiLSTM和BERT实现分类任务（三）

11 基于BiLSTM和BERT实现分类任务（四）


tensorflow, 大模型，深度学习，机器学习，在线课程，大模型框架

01 多分类案例【银行客户流失预测 】官网+个人实现

02【鲜花分类案例】官网案例详解+优化

03 迁移学习 案例1 基于预训练模型进行目标分类

04-1 迁移学习 案例2 宠物狗品种识别 上集

04-2 迁移学习 案例2 宠物狗品种识别 下集

05 回归案例 葡萄酒品质预测

06 基于LSTM进行文本生成

07 基于LSTM单变量预测 电力消耗预测

08 基于LSTM多变量 共享单车使用量预测

09 基于Embedding进行IMDB情感文本分类 上集

……


模型推理，大模型，BERT，模型部署，在线课程

01 模型推理与部署专题简介

02 TensorRT与Triton容器部署

03 tensorflow模型转换为tensorrt引擎推理

04 pytorch模型转换为tensorrt引擎推理

05 tensorflow serving 模型部署与推理 mnist分类案例

06 tensorflow serving 单个模型部署与推理 线性回归

07 tensorflow serving 多个模型部署与推理 模型迭代

08 torch serving docker环境部署

09 torch serving 案例1 序列分类

10 torch serving 案例2 QA问答


streamlit,深度学习，机器学习，AI在线课程，大模型课程，免费课程

轻松学·Streamlit 01 专题简介
轻松学·Streamlit 02 基础功能探索

轻松学·Streamlit 03 基础功能探索

轻松学·Streamlit 04基础功能探索

轻松学·Streamlit 05 基础功能探索

轻松学·Streamlit 06 基础功能探索

轻松学·Streamlit 07 动物图片识别 APP

轻松学·Streamlit 08 音频转文本 APP

轻松学·Streamlit 09 ML分类案例 APP