课程介绍
课程章节
章节1:大模型破冰之旅 (7节)

课时01

学习路线+学习方法+硬件准备+语言准备

更新时间：2025-12-22

4分30秒

课时02

AI必备概念-AI历史上的四次大发展

更新时间：2025-12-22

3分57秒

课时03

AI必备概念-机器学习

更新时间：2025-12-22

8分27秒

课时04

AI必备概念-深度学习

更新时间：2025-12-22

3分9秒

课时05

AI必备概念-神经网络

更新时间：2025-12-22

10分35秒

课时06

AI必备概念-大语言模型

更新时间：2025-12-22

5分25秒

课时07

AI必备概念-大模型介绍

更新时间：2025-12-22

20分5秒

章节2:大模型基础之机器学习篇 (10节)

课时08

机器学习、深度学习、有监督学习

16分40秒

课时09

多元线性回归算法

21分26秒

课时10

梯度下降法与模型训练

20分10秒

课时11

升维、降维、early stopping、惩罚项

15分57秒

课时12

正则化与归一化

18分37秒

课时13

逻辑回归、Softmax回归、损失函数

17分5秒

课时14

什么是神经网络

7分30秒

课时15

理解神经网络反向传播

17分24秒

课时16

知识总结

9分43秒

课时17

常见问题回答

22分50秒

章节3:大模型基础之深度学习篇 (9节)

课时18

回归神经网络反向传播

10分24秒

课时19

梯度消失问题

17分34秒

课时20

激活函数、批量归一化、参数初始化

18分21秒

课时21

图像识别与卷积神经网络

11分36秒

课时22

经典CNN模型、残差网络等

20分9秒

课时23

NLP任务与循环神经网络

15分10秒

课时24

梯度消失、长短时记忆

13分32秒

课时25

编码器解码器、注意力机制

24分13秒

课时26

浅看Transformer架构

6分26秒

章节4:大模型架构之Transformer (12节)

课时27

整体把握Transformer结构

15分56秒

课时28

什么是语言模型

12分57秒

课时29

理解Self Attention

26分35秒

课时30

Token Embedding

16分0秒

课时31

Positional Encoding 位置编码

14分6秒

课时32

Self Attention计算

30分24秒

课时33

多头注意力

6分43秒

课时34

Encoder Block

9分24秒

课时35

Masked Self Attention

8分38秒

课时36

终端输出

3分31秒

课时37

Transformer总结及训练

19分29秒

课时38

Transformer架构代码实现

8分6秒

您没有该体系课权限，需要开通权限请点击联系老师。
联系老师
共个问题,0回答
提问
最新
最热
暂无提问，赶紧去提问吧~