课时01

AI大模型工程师：工具篇

课时02

AI大模型工程师：应用篇

课时03

AI大模型工程师：算法篇

课时04

AI大模型工程师：微调篇

课时05

AI大模型工程师：预训练

课时06

Python全系列课程学习规划

课时07

Python版本的选择

课时08

算力服务器的使用场景

课时09

算力卡的选择与配置连接

课时10

机器学习、深度学习、有监督学习

课时11

多元线性回归算法

课时12

梯度下降法与模型训练

课时13

升维、降维、early stopping、惩罚项

课时14

正则化与归一化

课时15

逻辑回归、Softmax回归、损失函数

课时16

什么是神经网络

课时17

理解神经网络反向传播

课时18

知识总结

课时19

常见问题回答

课时20

回归神经网络反向传播

课时21

梯度消失问题

课时22

激活函数、批量归一化、参数初始化

课时23

图像识别与卷积神经网络

课时24

经典CNN模型、残差网络等

课时25

NLP任务与循环神经网络

课时26

梯度消失、长短时记忆

课时27

编码器解码器、注意力机制

课时28

浅看Transformer架构

课时29

整体把握Transformer结构

课时30

什么是语言模型

课时31

理解Self Attention

课时32

Token Embedding

课时33

Positional Encoding 位置编码

课时34

Self Attention计算

课时35

多头注意力

课时36

Encoder Block

课时37

Masked Self Attention

课时38

终端输出

课时39

Transformer总结及训练

课时40

Transformer架构代码实现