课程简介：

从核心原理、技术+ PEFT微调大模型+ LangChain构建知识库问答，你也能打造属于自己的大模型ChatGPT

课程目录：

│ ├─{1}–第1章 课程介绍
│ │ ├─[1.1]–1-1 【导航】课程导学&让你快速了解课程.mp4 37.45MB
│ │ ├─[1.2]–1-2 【内容安排】课程安排和学习建议.mp4 12.94MB
│ │ ├─[1.3]–1-3 【行业发展】ChatGPT对行业、社会有什么影响，我们要.mp4 34.14MB
│ │ ├─[1.4]–1-4 【发展史】ChatGPT的简要历史.mp4 15.56MB
│ │ ├─[1.5]–1-5 【学习须知】本课程为什么使用gpt2而不是gpt3.mp4 5.37MB
│ ├─{2}–第2章 训练模型与开发平台环境
│ │ ├─[2.1]–2-1 【认知】为什么要引入paddle？平时使用torch，学.mp4 7.26MB
│ │ ├─[2.2]–2-2 【框架】paddle和torch与tensorflow对.mp4 10.62MB
│ │ ├─[2.3]–2-3 【NLP工具和预训练模型】paddleNLP和huggi.mp4 5.37MB
│ │ ├─[2.4]–2-4 【平台】介绍aistudio.mp4 24.62MB
│ │ └─[2.5]–2-5 【工具】介绍基于gpt4的IDE cursor.mp4 16.35MB
│ ├─{3}–第3章 chatGPT初始技术词向量原理剖析与实战
│ │ ├─[3.10]–3-10 【激活函数】常见七种激活函数对比.mp4 20.66MB
│ │ ├─[3.11]–3-11 【预训练语言模型】RNN-LSTM-ELMO.mp4 36.02MB
│ │ ├─[3.12]–3-12 本章梳理小结.mp4 5.24MB
│ │ ├─[3.1]–3-1 【认知】词向量，词向量与gpt的关系.mp4 8MB
│ │ ├─[3.2]–3-2 【语言模型】语言模型和评估指标PPL.mp4 22.19MB
│ │ ├─[3.3]–3-3 【词向量模型】word2vec-cbow和skipgra.mp4 14.23MB
│ │ ├─[3.4]–3-4 【softmax加速】是softmax 树型优化.mp4 23.99MB
│ │ ├─[3.5]–3-5 【softmax加速】softmax负采样优化.mp4 20.23MB
│ │ ├─[3.6]–3-6 【数据准备与预处理】word2vec实战（1）.mp4 55.92MB
│ │ ├─[3.7]–3-7 【数据准备与预处理】word2vec实战（2）.mp4 30.74MB
│ │ ├─[3.8]–3-8 【模型训练】word2vec实战-模型开发和训练（1）.mp4 22.09MB
│ │ └─[3.9]–3-9 【模型训练】word2vec实战-模型开发和训练（2）.mp4 33.52MB
│ ├─{4}–第4章 chatGPT基石模型——基于T
│ │ ├─[4.10]–4-10 transformer-xl解决长序列的问题（2）.mp4 25.93MB
│ │ ├─[4.11]–4-11 本章梳理总结.mp4 6.31MB
│ │ ├─[4.1]–4-1 本章介绍.mp4 2.05MB
│ │ ├─[4.2]–4-2 seq2seq结构和注意力.mp4 21.71MB
│ │ ├─[4.3]–4-3 seq2seq-attention的一个案例.mp4 10.33MB
│ │ ├─[4.4]–4-4 transformer的multi-head atten.mp4 37.44MB
│ │ ├─[4.5]–4-5 transformer的残差链接-解决梯度消失问题.mp4 12.24MB
│ │ ├─[4.6]–4-6 transformer的layernorm-归一化提升训.mp4 10.2MB
│ │ ├─[4.7]–4-7 transformer的decoder 解码器.mp4 14.02MB
│ │ ├─[4.8]–4-8 sparse-transformer 稀疏模型.mp4 10.66MB
│ │ └─[4.9]–4-9 transformer-xl 解决长序列的问题（1）.mp4 25.67MB
│ ├─{5}–第5章 基于Transformer另一分支Bert系列分析与实战
│ │ ├─[5.10]–5-10 bert(transformer encoder)主要.mp4 40.59MB
│ │ ├─[5.11]–5-11 bert(transformer encoder)的完.mp4 79.77MB
│ │ ├─[5.12]–5-12 Ernie文心一言基础模型（1）.mp4 24.86MB
│ │ ├─[5.13]–5-13 Ernie文心一言基础模型（2）.mp4 12.77MB
│ │ ├─[5.14]–5-14 plato百度对话模型（1）.mp4 26.03MB
│ │ ├─[5.15]–5-15 plato 百度对话模型（2）.mp4 28.33MB
│ │ ├─[5.16]–5-16 本章总结.mp4 12.36MB
│ │ ├─[5.1]–5-1 本章介绍.mp4 1.78MB
│ │ ├─[5.2]–5-2 metric-评估指标(BLUE-rouge-L-MET.mp4 32.78MB
│ │ ├─[5.3]–5-3 常见 subword 算法（BPE-wordpiece）.mp4 9.8MB
│ │ ├─[5.4]–5-4 常见的NLP任务.mp4 9.93MB
│ │ ├─[5.5]–5-5 bert 预训练模型.mp4 38.97MB
│ │ ├─[5.6]–5-6 bert情感分析实战—-paddle（1）.mp4 42.87MB
│ │ ├─[5.7]–5-7 bert情感分析实战—-paddle（2）.mp4 49.98MB
│ │ ├─[5.8]–5-8 evaluate和predict方法—-paddle.mp4 27.23MB
│ │ └─[5.9]–5-9 bert(transformer encoder)主要源.mp4 40.85MB
│ ├─{6}–第6章 chatGPT的核心技术——强化
│ │ ├─[6.10]–6-10 actor-critic（2）.mp4 11.25MB
│ │ ├─[6.11]–6-11 TRPO+PPO（1）.mp4 39.37MB
│ │ ├─[6.12]–6-12 TRPO+PPO（2）.mp4 27.95MB
│ │ ├─[6.13]–6-13 DQN代码实践–torch-1.mp4 41.11MB
│ │ ├─[6.14]–6-14 DQN代码实践–torch-2.mp4 46.69MB
│ │ ├─[6.15]–6-15 DoubleDQN+DuelingDQ代码–torc.mp4 48.83MB
│ │ ├─[6.16]–6-16 REINFORCE代码–torch.mp4 45.86MB
│ │ ├─[6.17]–6-17 PPO代码实践–torch.mp4 61.06MB
│ │ ├─[6.18]–6-18 强化学习-本章总结.mp4 16.52MB
│ │ ├─[6.1]–6-1 RL是什么＆为什么要学习RL.mp4 20.49MB
│ │ ├─[6.2]–6-2 强化学习章介绍.mp4 4.24MB
│ │ ├─[6.3]–6-3 RL基础概念.mp4 11.45MB
│ │ ├─[6.4]–6-4 RL马尔可夫过程.mp4 27.44MB
│ │ ├─[6.5]–6-5 RL三种方法（1）.mp4 28.39MB
│ │ ├─[6.6]–6-6 RL三种方法（2）.mp4 10.08MB
│ │ ├─[6.7]–6-7 DQN和DQN的2种改进算法（1）.mp4 17.85MB
│ │ ├─[6.8]–6-8 DQN和DQN的2种改进算法（2）.mp4 23.57MB
│ │ └─[6.9]–6-9 actor-critic（1）.mp4 36.07MB
│ ├─{7}–第7章 chatGPT技术演变——从GP
│ │ ├─[7.10]–7-10 Antropic LLM大型语言模型.mp4 39.07MB
│ │ ├─[7.11]–7-11 GPT-本章总结.mp4 12.68MB
│ │ ├─[7.1]–7-1 GPT1 模型.mp4 24.11MB
│ │ ├─[7.2]–7-2 GPT2 模型.mp4 24.79MB
│ │ ├─[7.3]–7-3 GPT3 模型-1.mp4 29.1MB
│ │ ├─[7.4]–7-4 GPT3 模型-2.mp4 25.83MB
│ │ ├─[7.5]–7-5 gpt-codex 基于GPT技术开发的模型.mp4 22.57MB
│ │ ├─[7.6]–7-6 alphaCode基于GPT技术开发的模型-1.mp4 27.74MB
│ │ ├─[7.7]–7-7 alphaCode基于GPT技术开发的模型-2.mp4 16.09MB
│ │ ├─[7.8]–7-8 instruct-gpt 基于GPT技术开发的模型-1.mp4 21.3MB
│ │ └─[7.9]–7-9 instruct-gpt 基于GPT技术开发的模型-2.mp4 24.96MB
│ └─{8}–第8章 RLHF训练类ChatGPT模型代码实战 i class
│ ├─[8.10]–8-10 RLHF强化学习人类反馈的训练-model-base.mp4 23.3MB
│ ├─[8.11]–8-11 RLHF强化学习人类反馈的训练-model-opt.mp4 12.4MB
│ ├─[8.13]–8-13 RLHF强化学习人类反馈的训练-generation（.mp4 46.63MB
│ ├─[8.14]–8-14 RLHF强化学习人类反馈的训练-exp_maker（1.mp4 30.23MB
│ ├─[8.15]–8-15 RLHF强化学习人类反馈的训练-exp_maker（2.mp4 41.16MB
│ ├─[8.16]–8-16 RLHF强化学习人类反馈的训练-buffer-util.mp4 53.57MB
│ ├─[8.17]–8-17 RLHF强化学习人类反馈的训练-buffer-loss.mp4 43.34MB
│ ├─[8.19]–8-19 RLHF强化学习人类反馈的训练-main.mp4 66.87MB
│ ├─[8.1]–8-1 chatGPT训练实战.mp4 12.73MB
│ ├─[8.2]–8-2 SFT有监督的训练-数据处理.mp4 58.5MB
│ ├─[8.3]–8-3 SFT有监督训练-trainer.mp4 36.27MB
│ ├─[8.4]–8-4 SFT有监督训练-train.mp4 59.5MB
│ ├─[8.5]–8-5 RM训练-model+dataset（1）.mp4 26.43MB
│ ├─[8.6]–8-6 RM训练-model+dataset（2）.mp4 24.84MB
│ ├─[8.7]–8-7 RM训练-trainer.mp4 29.42MB
│ ├─[8.8]–8-8 RM训练-train-rm.mp4 33.74MB
│ └─[8.9]–8-9 RLHF强化学习人类反馈的训练-dataset.mp4 13.82MB