黑马博学谷AI大模型训练营1期是面向人工智能领域爱好者与从业者的专业课程。课程从基础出发,开篇设有开班仪式与Python前置课程串讲,为学员后续学习大模型知识筑牢根基。紧接着深入讲解大模型前置知识、基础知识以及主要类别架构,让学员全面了解大模型的理论体系。在实践应用方面,课程安排丰富多样的项目实战。涵盖金融行业动态风向评估、电商领域虚拟试衣系统、物流行业信息咨询智能问答系统、大健康行业智能问诊系统、新零售行业评价决策系统、新媒体行业评论智能分类与信息抽取系统等,使学员能够将所学知识运用到不同行业场景中。此外,课程还针对Stable Diffusion多模态大模型、文心一言&百度千帆大模…...
黑马博学谷AI大模型训练营1期是一门聚焦于AI大模型领域的专业课程。课程内容丰富全面,从大模型前置知识、基础知识讲起,深入介绍大模型主要类别架构、主流大模型以及Prompt – Tuning方法,还涵盖大模型提示词工程应用等关键内容。
课程理论与实践紧密结合,设置了多个行业项目实战,如金融行业动态风向评估、电商领域虚拟试衣系统、物流行业信息咨询智能问答系统、大健康行业智能问诊系统、新零售行业评价决策系统、新媒体行业评论智能分类与信息抽取系统等,让学员在实践中掌握AI大模型在不同行业的应用。此外,课程还涉及Stable Diffusion多模态大模型应用实战,以及文心一言、百度千帆大模型平台、讯飞星火大模型+星火微调平台应用等内容,拓宽学员对不同大模型平台的认知和应用能力。
对于希望深入学习AI大模型知识与应用,提升在人工智能领域专业技能的人群,无论是相关专业学生、在职技术人员还是对AI感兴趣的爱好者,该课程都能提供系统且实用的学习内容,助力其在AI大模型领域取得进步。


📢 以下文件由百度网盘用户[133******81]于2025-02-24分享(只展示部分的文件和文件夹)
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
4月9日-星火大模型91.41MB
星火大模型(博学谷).pdf12.1MB
translate_in_many_style.zip79.31MB
4月7日-文心一言和千帆大模型49.46MB
清洗emoji数据的demo数据集.zip219.67KB
sample-text-dialog-unsort-jsonl.zip154.3KB
03-千帆大模型的使用.zip12.77MB
02-千帆大模型简介.pdf14.33MB
01-文心一言的使用.zip22MB
4月2号图像生成2.08GB
weights2.02GB
model-plaidshirtprogrammer.ckpt1.99GB
glass.safetensors36.11MB
img_Plaidshirtprogrammer37.72MB
00103-3455426845.png415.84KB
00102-3455426844.png402.22KB
00101-3455426843.png396.05KB
00100-3455426842.png397.71KB
00099-3455426841.png422.59KB
00098-3455426840.png404.84KB
00097-3455426839.png437.29KB
00096-3455426838.png417.86KB
00095-3455426837.png359.66KB
00094-3455426836.png406.04KB
00093-3455426835.png439.75KB
00092-3455426834.png344.97KB
00091-3455426833.png401.61KB
00090-3455426832.png380.34KB
00089-3455426831.png363.99KB
00088-3455426830.png524.51KB
00087-3455426829.png489.59KB
00086-3455426828.png379.99KB
00085-3455426827.png443.44KB
00084-3455426826.png450.01KB
00083-3455426825.png360.12KB
00082-3455426824.png338.41KB
00081-3455426823.png443.68KB
00080-3455426822.png380.41KB
00079-3455426821.png439.71KB
00078-3455426820.png410.47KB
00077-3455426819.png358.03KB
00076-3455426818.png370.71KB
00075-3455426817.png358.98KB
00074-3455426816.png405.27KB
00073-3455426815.png374.03KB
00072-3455426814.png416.75KB
00071-3455426813.png381.88KB
00070-3455426812.png383.38KB
00069-3455426811.png400.01KB
00068-3455426810.png394.3KB
00067-3455426809.png386.76KB
00066-3455426808.png354.12KB
00065-3455426807.png393.57KB
00064-3455426806.png405.34KB
00063-3455426805.png299.06KB
00062-3455426804.png390.29KB
00061-3455426803.png467.81KB
00060-3455426802.png371.84KB
00059-3455426801.png342.73KB
00058-3455426800.png369.08KB
00057-3455426799.png370.33KB
00056-3455426798.png431.39KB
00055-3455426797.png384.71KB
00054-4286819130.png325.2KB
00053-4286819129.png354.97KB
00052-4286819128.png437KB
00051-4286819127.png167KB
00050-4286819126.png408.5KB
00049-4286819125.png424.95KB
00048-4286819124.png341.85KB
00047-4286819123.png352.58KB
00046-4286819122.png433.59KB
00045-4286819121.png368.07KB
00044-4286819120.png378.26KB
00043-4286819119.png409.39KB
00042-4286819118.png453.32KB
00041-4286819117.png363.92KB
00040-4286819116.png348KB
00039-4286819115.png391.84KB
00038-4286819114.png381.45KB
00037-4286819113.png386.88KB
00036-4286819112.png365.63KB
00035-4286819111.png407.94KB
00034-4286819110.png333.35KB
00033-4286819109.png451.66KB
00032-4286819108.png352.52KB
00031-4286819107.png391.34KB
00030-4286819106.png475.31KB
00029-4286819105.png369.45KB
00028-4286819104.png365.38KB
00027-4286819103.png387.73KB
00026-4286819102.png367.31KB
00025-4286819101.png402.26KB
00024-4286819100.png386.24KB
00023-4286819099.png381.73KB
00022-4286819098.png376.05KB
00021-4286819097.png359.15KB
00020-4286819096.png332.55KB
00019-4286819095.png345.44KB
00018-4286819094.png392.55KB
00017-4286819093.png357.83KB
00016-4286819092.png321.95KB
00015-4286819091.png391.88KB
00014-4286819090.png365.61KB
00013-4286819089.png387.78KB
00012-4286819088.png320.42KB
00011-4286819087.png424.12KB
00010-4286819086.png372.09KB
00009-4286819085.png326.22KB
00008-4286819084.png358.01KB
00007-4286819083.png367.97KB
00006-4286819082.png454.19KB
00005-366234093.png386.68KB
00004-1166947288.png353.86KB
img-glasses6.59MB
00088-2356360215.png353.67KB
00086-2356360213.txt24B
00086-2356360213.png327.43KB
00084-2356360211.txt24B
00084-2356360211.png300.21KB
00083-2356360210.txt24B
00083-2356360210.png329.89KB
00082-2356360209.txt24B
00082-2356360209.png347.78KB
00081-2356360208.txt24B
00081-2356360208.png263.7KB
00079-2356360206.txt24B
00079-2356360206.png313.69KB
00078-2356360205.txt24B
00078-2356360205.png281.88KB
00077-2356360204.txt24B
00077-2356360204.png346.86KB
00076-2356360203.txt24B
00076-2356360203.png331.65KB
00074-2356360201.txt24B
00074-2356360201.png380.11KB
00072-2356360199.txt24B
00072-2356360199.png305.39KB
00071-2356360198.txt24B
00071-2356360198.png328.15KB
00070-2356360197.txt24B
00070-2356360197.png453.95KB
00069-2356360196.txt24B
00069-2356360196.png345.3KB
00065-4096775221.txt24B
00065-4096775221.png378.08KB
00064-4096775220.txt24B
00064-4096775220.png297.05KB
00063-4096775219.txt24B
00063-4096775219.png372.68KB
00062-4096775218.txt24B
00062-4096775218.png365.1KB
00061-4096775217.txt24B
00061-4096775217.png327.01KB
aigc_demo_origin.zip6.38MB
05-腾讯云AI绘画.pdf13.53MB
3月7日2.27MB
课件2.24MB
基于GPT2搭建医疗问诊机器人.pdf2.24MB
代码27.47KB
Gpt2_Chatbot27.47KB
vocab0B
templates0B
gpt20B
data_preprocess0B
data0B
config0B
__init__.py72B
train.py9.89KB
test.py451B
readme1.85KB
pytorch_tools.py2.06KB
parameter_config.py1.8KB
interact.py5.36KB
functions_tools.py2.87KB
flask_predict.py2.65KB
app.py487B
3月5日785.98MB
课件5.08MB
02-基于LangChain+ChatGLM-6B实现物流行业信息咨询.pdf2.2MB
01-LangChain基础知识入门.pdf2.88MB
代码780.9MB
__pycache__9.8KB
model.cpython-38.pyc1.83KB
model.cpython-311.pyc2.83KB
model.cpython-310.pyc1.83KB
get_vector.cpython-38.pyc939B
get_vector.cpython-311.pyc1.43KB
get_vector.cpython-310.pyc977B
m3e-base780.89MB
1_Pooling0B
vocab.txt106.97KB
tokenizer_config.json342B
tokenizer.json428.83KB
special_tokens_map.json125B
sentence_bert_config.json53B
README.md26.01KB
pytorch_model.bin390.19MB
modules.json229B
model.safetensors390.15MB
gitattributes1.5KB
config.json932B
faiss0B
logistics0B
camp0B
物流信息.txt549B
test.py33B
new_demo.py3.06KB
model.py1.56KB
main.py1.49KB
get_vector.py1.38KB
3月3日785.97MB
一定要下载的模型780.89MB
m3e-base780.89MB
1_Pooling0B
vocab.txt106.97KB
tokenizer_config.json342B
tokenizer.json428.83KB
special_tokens_map.json125B
sentence_bert_config.json53B
README.md26.01KB
pytorch_model.bin390.19MB
modules.json229B
model.safetensors390.15MB
gitattributes1.5KB
config.json932B
课件5.08MB
02-基于LangChain+ChatGLM-6B实现物流行业信息咨询.pdf2.2MB
01-LangChain基础知识入门.pdf2.88MB
代码0B
project20B
Prompts_module0B
Models_module0B
Memory_module0B
Indexes_module0B
Chains_module0B
Agents_module0B
3月30号图像生成11.19MB
04-StableDiffusion实践.pdf6.26MB
03-stableDiffusion详解.pdf4.94MB
3月28日图像生成4.94MB
03-stableDiffusion详解.pdf4.94MB
3月26日AIGC10.75MB
02-图像生成方法.pdf4.61MB
01-AIGC 背景.pdf6.14MB
3月21日26.38MB
课件2.19MB
新媒体行业评论智能分类与信息抽取系统.pdf2.19MB
代码10.82KB
ptune_chatglm10.82KB
utils0B
data_handle0B
data0B
__init__.py22B
train.py6.97KB
inference.py2.69KB
glm_config.py1.14KB
趋动云使用《补充》.pdf24.18MB
3月19日2.2MB
课件2.19MB
新媒体行业评论智能分类与信息抽取系统.pdf2.19MB
代码10.82KB
ptune_chatglm10.82KB
utils0B
data_handle0B
data0B
__init__.py22B
train.py6.97KB
inference.py2.69KB
glm_config.py1.14KB
3月17日4.54MB
课件4.53MB
07-基于BERT+P-Tuning方式文本分类模型搭建.pdf1.44MB
06-基于BERT+P-Tuning方式数据预处理介绍.pdf1.41MB
05-基于BERT+P-Tuning方式文本分类介绍.pdf1.68MB
代码12.06KB
P-Tuning12.06KB
utils0B
data_handle0B
data0B
checkpoints0B
__init__.py0B
train.py7.71KB
ptune_config.py1.12KB
inference.py3.23KB
3月14日1.48MB
代码71.52KB
PET.zip71.52KB
03-基于BERT+PET方式数据预处理介绍.pdf1.41MB
3月12日1.22GB
预训练模型263.25KB
bert-base-chinese263.25KB
tokenizer.json262.64KB
config.json624B
课前下载1.21GB
bert-base-chinese1.21GB
vocab.txt106.97KB
tokenizer_config.json29B
tokenizer.json262.64KB
tf_model.h5456.15MB
README.md21B
pytorch_model.bin392.51MB
flax_model.msgpack390.21MB
config.json624B
课件6.07MB
04-基于BERT+PET方式模型搭建.pdf1.4MB
03-基于BERT+PET方式数据预处理介绍.pdf1.41MB
02-基于BERT+PET方式文本分类介绍.pdf1.68MB
01-新零售行业评价决策系统介绍.pdf1.58MB
代码71.52KB
PET.zip71.52KB
3月10日2.27MB
课件2.24MB
基于GPT2搭建医疗问诊机器人.pdf2.24MB
代码27.87KB
Gpt2_Chatbot27.87KB
vocab0B
templates0B
save_model10B
save_model0B
other_data0B
gpt20B
data_preprocess0B
data0B
config0B
__init__.py72B
train.py11.43KB
readme1.85KB
parameter_config.py2.6KB
interact.py5.46KB
functions_tools.py3.33KB
flask_predict.py2.65KB
app.py487B
2月3日6.09MB
课件6.09MB
02-大模型prompt-Tuning方法入门.pdf3.04MB
01-LLM主流开源大模型介绍.pdf3.05MB
2月29日-虚拟试衣9.01MB
01-讲义9.01MB
06-资源清理.pdf1.51MB
05-虚拟试衣实践.pdf5.23MB
04-PAI_DSW的环境搭建.pdf2.26MB
2月27日-虚拟试衣20.35MB
01-讲义8.61MB
04-PAI_DSW的环境搭建.pdf1.95MB
03-阿里云注册及开通PAI.pdf2.01MB
02-阿里PAI平台.pdf2.81MB
01-虚拟试衣背景.pdf1.84MB
人工智能平台PAI使用指南.pdf7.96MB
PAI平台开通指南.pdf3.78MB
2月25日4.7MB
课件4.68MB
05-LLM实现金融文本匹配.pdf1.26MB
04-LLM实现金融文本信息抽取.pdf1.27MB
03-LLM实现金融文本文本分类.pdf1.39MB
02-金融行业动态方向评估项目介绍.pdf776.08KB
代码15.22KB
test.py2.43KB
finance_text_matching.py3.23KB
finance_ie.py5.07KB
finance_classify.py4.49KB
2月22日13.21MB
ChatGLM-6B7.75MB
THUDM0B
chatglm-6b-int40B
chatglm-6b0B
resources4.59MB
WECHAT.md223B
wechat.jpg150.95KB
webglm.jpg106.44KB
web-demo.png586.92KB
web-demo.gif2.18MB
visualglm.png247.27KB
english-q4-old.png170.61KB
english-q4-new.png176.96KB
english-q3-old.png104.22KB
english-q3-new.png98.71KB
english-q2-old.png112.26KB
english-q2-new.png74KB
english-q1-old.png73.31KB
english-q1-new.png105.43KB
cli-demo.png463.04KB
ptuning250.32KB
web_demo.sh217B
web_demo.py5.55KB
train_chat.sh745B
trainer_seq2seq.py11.23KB
trainer.py181.25KB
train.sh753B
README_en.md11.18KB
README.md10.55KB
main.py18.17KB
evaluate_finetune.sh562B
evaluate.sh660B
ds_train_finetune.sh766B
deepspeed.json509B
arguments.py8.28KB
limitations580.01KB
self-confusion_tencent.jpg125.37KB
self-confusion_openai.jpg142.77KB
self-confusion_google.jpg152.18KB
math_error.png25.18KB
factual_error.png134.51KB
improve54.79KB
README.md3.69KB
data_sample.jsonl51.1KB
examples2.21MB
tour-guide.png331.5KB
sport.png291.48KB
self-introduction.png231.22KB
role-play.png278.51KB
information-extraction.png130.92KB
email-writing-2.png223.95KB
email-writing-1.png230.37KB
comments-writing.png260.1KB
blog-outline.png162.27KB
ad-writing-2.png122.74KB
web_demo_vision.py4.52KB
web_demo_old.py1.96KB
web_demo2.py2.14KB
web_demo.py3.83KB
utils.py1.98KB
UPDATE.md6.25KB
requirements.txt96B
README_en.md20.17KB
README.md22.55KB
PROJECT.md4.5KB
MODEL_LICENSE4.17KB
LICENSE11.07KB
FAQ.md940B
cli_demo_vision.py1.94KB
cli_demo.py1.87KB
api.py1.82KB
02-金融行业动态方向评估项目.pdf2.07MB
01-大模型提示工程指南.pdf3.38MB
2月20日6.55MB
课件+预习6.55MB
02-大模型提示工程指南.pdf3.46MB
01-大模型prompt-Tuning方法进阶.pdf3.09MB
2月1日7.75MB
课件+预习7.75MB
02-LLM主要架构介绍.pdf3.24MB
01-ChatGPT模型原理介绍.pdf4.51MB
1月30日6.34MB
作业46B
作业.txt46B
课件3.24MB
01-LLM基础知识.pdf3.24MB
代码2.17KB
LLM_Base2.17KB
__init__.py0B
ROUGE_demo.py655B
PPL_demo.py631B
BLEU_demo.py939B
部分截图2.82MB
指标解析.png732.42KB
项目开发人员配置.jpg331.63KB
神经网络语言模型介绍.png1.09MB
PPL公式解析.png704.33KB
大模型项目研发流程.pdf279.65KB
1月27日5.31MB
01-PyTorch基本使用.pdf3.79MB
00-深度学习简介.pdf1.52MB
1-9 大模型提示词工程应用.mp4944.25MB
1-8 大模型Prompt-Tuning方法进阶.mp4814.26MB
1-7 主流大模型介绍及大模型Prompt-Tuning方法入门.mp4663.93MB
1-6 主流大模型介绍及大模型Prompt-Tuning方法入门2.mp4593.42MB
1-6 主流大模型介绍及大模型Prompt-Tuning方法入门.mp4276.36MB
1-5 大模型主要类别架构.mp4410.13MB
1-4 大模型基础知识.mp4429.47MB
1-35 综合项目与项目路演+【拓展】AI论文导读与论文撰写.mp4356.81MB
1-34 讯飞星火大模型+星火微调平台应用.mp4249.28MB
1-33 讯飞星火大模型+星火微调平台应用.mp4370.1MB
1-32 文心一言& 百度千帆大模型平台.mp4278.41MB
1-31 文心一言& 百度千帆大模型平台.mp4206.23MB
1-30 Stable Diffusion多模态大模型应用实战.mp4375.83MB
1-3 大模型前置知识.mp4264.63MB
1-29 Stable Diffusion多模态大模型应用实战.mp4579.4MB
1-28 Stable Diffusion多模态大模型应用实战.mp4240.2MB
1-27 Stable Diffusion多模态大模型应用实战.mp4352.22MB
1-26 Stable Diffusion多模态大模型应用实战.mp4374.41MB
1-25 【项目6】新媒体行业评论智能分类与信息抽取系统.mp4950.89MB
1-24 【项目6】新媒体行业评论智能分类与信息抽取系统.mp4934.08MB
1-23【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】.mp4629.74MB
1-22【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】.mp41.33GB
1-21【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】.mp4836.85MB
1-2 大模型前置知识.mp4534.85MB
1-19 20 【项目4】大健康行业智能问诊系统.mp4395.83MB
1-18 【项目4】大健康行业智能问诊系统(2024.03.10).mp4909.01MB
1-17 【项目3】物流行业信息咨询智能问答系统(2024.03.07).mp4783.72MB
1-16 【项目3】物流行业信息咨询智能问答系统 2024.03.05.mp4794.24MB
1-15 【项目3】物流行业信息咨询智能问答系统.mp4468.04MB
1-14 【项目3】物流行业信息咨询智能问答系统.mp41.48GB
1-13 【项目2】电商领域虚拟试衣系统.mp4528.64MB
1-12 【项目2】电商领域虚拟试衣系统.mp4397.96MB
1-11 【项目1】金融行业动态风向评估.mp4662.98MB
1-10 【项目1】金融行业动态风向评估.mp41.43GB
1-1 开班仪式+Python前置课程串讲.mp4284.13MB
共383个文件,合计:25.86GB








