[AI/大数据] AIGC与NLP大模型实战-经典CV与NLP大模型及其下游应用任务实现|唐宇D

课程介绍：
随着AI的发展，大模型离我们越来越近，如何利用大模型解决我们自己的业务场景成为核心挑战，本章节以当下流行大模型技术为核心，通俗讲解CV与NLP任务中的经典大模型及其实现方法，详细解读其论文思想与应用场景，并结合实例进行项目实战。所选内容全部基于当下主流算法及其源码实现，覆盖CV与NLP核心应用场景与落地方案。

课程目录：
AIGC与NLP大模型实战-经典CV与NLP大模型及其下游应用任务实现文件夹 PATH 列表
│  AIGC.txt  （课程资料百度云下载地址）
│      
├─第1章GPT系列算法解读
│      1-GPT系列算法概述.mp4
│      2-GPT三代版本分析.mp4
│      3-GPT初代版本要解决的问题.mp4
│      4-GPT第二代版本训练策略.mp4
│      5-采样策略与多样性.mp4
│      6-GPT3的提示与生成方法.mp4
│      7-应用场景CODEX分析.mp4
│      8-DEMO应用演示.mp4
│      课程简介.mp4
│      
├─第2章GPT2训练与预测部署流程
│      1-生成模型可以完成的任务概述.mp4
│      2-数据样本生成方法.mp4
│      3-训练所需参数解读.mp4
│      4-模型训练过程.mp4
│      5-部署与网页预测展示.mp4
│      
├─第3章chatgpt算法解读分析
│      1-chatgpt概述.mp4
│      2-挑战及其与有监督问题差异.mp4
│      3-强化学习登场.mp4
│      4-强化学习的作用效果.mp4
│      5-奖励模型设计方法.mp4
│      6-RLHF训练流程解读.mp4
│      7-总结分析.mp4
│      
├─第4章 LLM与LORA微调策略解读
│      1-大模型如何做下游任务.mp4
│      2-LLM落地微调分析.mp4
│      3-LLAMA与LORA介绍.mp4
│      4-LORA微调的核心思想.mp4
│      5-LORA模型实现细节.mp4
│      
├─第5章 LLM下游任务训练自己模型实战
│      1-提示工程的作用.mp4
│      2-项目数据解读.mp4
│      3-源码调用DEBUG解读.mp4
│      4-训练流程演示.mp4
│      5-效果演示与总结分析.mp4
│      
├─第6章 langchain工具实例
│      1-langchain框架解读.mp4
│      2-基本API调用方法.mp4
│      3-数据文档切分操作.mp4
│      4-样本索引与向量构建.mp4
│      5-数据切块方法.mp4
│      
├─第7章 视觉大模型SAM
│      1-DEMO效果演示.mp4
│      2-论文解读分析.mp4
│      3-完成的任务分析.mp4
│      4-数据闭环方法.mp4
│      5-预训练模型的作用.mp4
│      6-Decoder的作用与项目源码.mp4
│      7-分割任务模块设计.mp4
│      8-实现细节分析.mp4
│      9-总结分析.mp4
│      
├─第8章 视觉QA算法与论文解读
│      1-视觉QA要解决的问题.mp4
│      2-论文概述分析.mp4
│      3-实现流程路线图.mp4
│      4-答案关注区域分析.mp4
│      5-VQA任务总结.mp4
│      
└─第9章 扩散模型diffusion架构算法解读
        1-扩散模型概述与GAN遇到的问题.mp4
        10-基本建模训练效果.mp4
        2-要完成的任务分析.mp4
        3-公式原理推导解读.mp4
        4-分布相关计算操作.mp4
        5-算法实现细节推导.mp4
        6-公式推导结果分析.mp4
        7-细节实现总结.mp4
        8-论文流程图解读.mp4
        9-案例流程分析.mp4
├─第10章 openai-dalle2论文解读
│      1-论文基本思想与核心模块分析.mp4
│      2-不同模块对比分析.mp4
│      3-算法核心流程解读.mp4
│      4-各模块实现细节讲解.mp4
│      
├─第11章 openai-dalle2源码解读
│      1-项目整体流程分析.mp4
│      2-源码实现细节分析.mp4
│      3-源码公式对应论文分析.mp4
│      4-Decoder模块实现细节解读.mp4
│      5-源码实现流程总结.mp4
│      
├─第12章 自监督任务-对比学习思想
│      1-对比学习要解决的问题分析.mp4
│      2-正负样本构建方法.mp4
│      3-Simclr框架流程分析.mp4
│      4-下游任务应用概述.mp4
│      
├─第13章 视觉自监督BEIT算法解读
│      1-视觉自监督任务分析.mp4
│      2-任务训练目标分析.mp4
│      3-建模流程分析与效果展示.mp4
│      4-codebook模块的作用.mp4
│      5-任务总结分析.mp4
│      
├─第14章 视觉自监督任务BEITV2论文解读
│      1-BEITV2版本论文出发点解读.mp4
│      2-自监督任务中两大核心任务分析.mp4
│      3-整体网络架构图分析.mp4
│      4-框架实现细节流程分析.mp4
│      5-论文细节模块实现解读.mp4
│      
├─第15章 视觉自监督任务BEITV2源码解读
│      1-mmselfup源码实现解读.mp4
│      2-网络结构搭建细节解读.mp4
│      3-源码实现流程总结.mp4
│      
├─第16章 BEV感知特征空间算法解读
│      1-BEV要解决的问题通俗解读.mp4
│      10-整体架构总结.mp4
│      2-BEV中的3D与4D分析.mp4
│      3-特征融合过程中可能遇到的问题.mp4
│      4-BEV汇总特征方法实例解读.mp4
│      5-DeformableAttention回顾.mp4
│      6-空间注意力模块解读.mp4
│      7-时间模块与拓展补充.mp4
│      8-论文知识点分析.mp4
│      9-核心模块论文分析.mp4
│      
├─第17章 BEVformer项目源码解读
│      1-环境配置方法解读.mp4
│      10-获取当前BEV特征.mp4
│      11-Decoder级联校正模块.mp4
│      12-损失函数与预测可视化.mp4
│      2-数据集下载与配置方法.mp4
│      3-特征提取以及BEV空间初始化.mp4
│      4-特征对齐与位置编码初始化.mp4
│      5-Reference初始点构建.mp4
│      6-BEV空间与图像空间位置对应.mp4
│      7-注意力机制模块计算方法.mp4
│      8-BEV空间特征构建.mp4
│      9-Decoder要完成的任务分析.mp4
│      
├─第18章 补充-视觉大模型基础-deformableAttent
│      1-DeformableAttention概述分析.mp4
│      2-可变形偏移量分析.mp4
│      3-应用场景分析解读.mp4
│      4-论文计算公式解读.mp4
│      5-整体框架流程实例.mp4
│      6-下游任务应用场景.mp4
以下是资料目录：
│  第一章：GPT系列.pdf
│  第二章：ChinesePretrainedModels.zip
│  
├─第七章：视觉大模型SAM
│      SAM.pdf
│      
├─第三章：ChatGpt
│      GPT系列.pdf
│      
├─第九章：扩散模型
│      annotated_diffusion.ipynb
│      
├─第五章：LLM下游任务
│      Huatuo-Llama-Med-Chinese-main.zip
│      
├─第八章：视觉QA
│      From Images to Textual Prompts.pdf
│      
├─第六章：langchain
│      langchain-tutorials-main.zip
│      
├─第十一章：dalle2源码解读
│      DALLE2-pytorch-main.zip
│      
├─第十七章：BEVFORMER源码
│      BEV特征空间bevformer.mp4
│      
├─第十三章：BEIT
│      beit.pdf
│      
├─第十二章：自监督任务对比学习
│      对比学习.pdf
│      
├─第十五章：BEITV2源码
│      mmselfsup-1.x.zip
│      
├─第十六章：BEV感知
│      BEV.pdf
│      
├─第十四章：BEITV2
│      BEiT v2.pdf
│      
├─第十章：dalle2论文解读
│      dalle2.pdf
│      
└─第四章：LLM与LORA
        大模型.pdf