聚客AI大模型1-4期

聚客第四期目录如下：
001开班典礼
01-HuggingFace核心组件介绍
02-基于Bert的中文评价情感分析（训练篇）
03-基于Bert的中文评价情感分析（实现篇）
04-GPT2-中文生成模型定制化（训练篇）
05-GPT2-中文生成模型定制化
06-本地私有化部署大模型（Ollama&vLLM&LMDeploy
07-大模型微调（使用LLama Factory微调Qwen）
08-大模型微调（LLama Factory自定义微调数据集）
09-大模型微调（QLora微调&GGUF模型转换）
10-大模型微调（LLamaFactory微调效果与vllm部署效果不一致如何解决）
11-大模型微调分布式训练（LLama Factory与Xtuner分布式微调大模型）
12-大模型压缩训练（知识蒸馏）
13-大模型推理部署（分布式推理与量化部署）
14-大模型评估测试（OpenCompass）
15-大模型微调项目实战（情绪对话模型-数据工程篇）
16-大模型微调项目实战（情绪对话模型-最终效果）
17-Llamaindex快速构建RAG
18-Llama_indexRAG进阶_Embedding_model与Chroma
19-Llama_indexRAG进阶_文档切分与重排序
20-Dify实现RAG
21-RAGFlow
22-基于RAG的法律条文智能助手（方案篇）
23-基于RAG的法律条文智能助手-实现与部署
24-基于RAG的法律条文智能助手-微调与部署
25-Dify构建Agent
26-LangGraph构建多智能体
27-DeepSeek原理与应用
28-多模态大模型应用

聚客第1-3期内容除了项目其他都跟第4期内容相同：

聚客第1-2期：
day_27基于本地大模型的在线心理问诊系统（训练篇）
day_28基于本地大模型的在线心理问诊系统（训练篇）
day_29基于本地大模型的在线心理问诊系统(部署篇)
day_30基于RAG的线上智能客服系统（微调篇）
day_31基于RAG的线上智能客服系统（部署篇）
day_32基于pytorch的语音识别与语音唤醒
day33_RAG项目实战（使用llamaindex构建自己的知识库）
day34_视觉项目实战（基于yolo的骨龄识别项目_01）
day35_视觉项目实战（基于yolo的骨龄识别项目_02）

聚客第3期：
1_开班典礼-241216
2_RAG-Embedding-Vector
3_LangChain
day04_Hugging Face 核心组件介绍
day05_基于 BERT 的中文评价情感分析
day06_自定义vocab
day07_如何处理超长文本训练问题
day08_GPT2-中文生成模型定制化微调训练
day09_远程GPU服务器
day10_llama3大模型本地调用
day11_Llama3.2模型微调
day12_Lora模型合并与推理测试
day13_LLaMA-Factory模型导出量化
day14_LLaMA-Factory模型评估与QLora微调
day15_Qwen模型打包部署（Lora模型合并&转GGUF模型部署）
day16_Qwen模型打包部署（HF转GGUF&ollama+open_webui部署）
day17_Xtuner微调大模型
day18_LMDeploy部署大模型
day19_OpenCompass大模型评估
day20_llama-index核心组件
day21_llama-index入门实操
day22_llama-index实现RAG
day23_AutoGen_Studio搭建多智能体应用
day24_多模态大模型
day25_deep-seek与多卡训练
day26_基于本地大模型的AI试题系统（方案篇）
day27_基于本地大模型的AI试题系统（实现篇）
day28_基于RAG的法律条文智能助手（方案篇）
day29_基于RAG的法律条文助手（实现篇）
day30_基于pytorch的语音唤醒系统