Java程序员的AI精品课大纲
2024-06-18 21:37:11 3 举报AI智能生成
针对Java程序员量身定制的AI大模型系列课，让Java程序员也能轻松使用AI技术来开发人工智能企业级应用，破局Java的内卷环境
作者其他创作
大纲/内容
企业级大模型应用开发从入门到原理和实战
1、LangChain4j之核心概念与快速入门实战
什么是LangChain以及LangChain4j
LangChain4j之HelloWorld
SpringBoot整合LangChain4j
Streaming打字机流式响应
ModerationModel的介绍与使用
ImageModel的介绍与使用
2、LangChain4j之AiService智能文章助手
AiService的基本使用
@SystemMessage的基本使用与源码解析
AiService代理对象创建流程源码解析
AiService代理对象执行流程源码解析
@UserMessage注解的基本使用与源码解析
@V注解的基本使用与源码解析
3、LangChain4j之ChatMemory取名大师
ChatMemory的使用场景
ChatMemoryStore实现的源码分析
ChatMemoryStore持久化实现
MessageWindowChatMemory淘汰机制源码分析
TokenWindowChatMemory淘汰机制源码分析
MemoryId解决ChatMemoryStore并发安全问题
AiServices整合ChatMemory源码分析
4、LangChain4j之Tools自然语言编程
目前大模型的不足之处分析
工具机制底层组件ToolSpecification
AiServices整合Tools底层源码分析
实战体验自然语言编程
5、LangChain4j之Embedding高级搜索
什么是向量，程序员该如何理解向量
什么是文本向量化，为什么要进行文本向量化
什么是向量相似度，如何计算向量相似度
什么是EmbeddingModel向量模型
向量数据库的基本使用，有哪些常用向量数据库
向量相似搜索的应用与原理分析
6、LangChain4j之RAG企业智能客服系统
DocumentLoader文件加载器
DocumentParser文件内容解析器
DocumentSplitter文件内容切分器
EmbeddingModel文本向量化
EmbeddingStore向量存储器
ContentRetriever内容检索器
RetrievalAugmentor检索增强器
7、LangChain4j之RAG高级组件原理分析
QueryTransformer问答转换器
Fuse与ReRank重排序
QueryRouter问答路由器
ContentAggregator内容增强器
ContentInjector内容聚合器
8、使用one-api搭建一站式全网大模型API调用平台
什么one-api？为什么需要one-api?
快速搭建one-api平台
快速接入open-ai、zhipu-ai、kimi-ai等大模型api
基于one-api生成企业内部的api-key
9、Spring AI之核心概念与快速入门实战
SpringBoot整合Spring AI实战
问答ChatClient的基本介绍与实战
文生图ImageClient基本介绍与实战
语音转文字OpenAiAudioTranscriptionClient基本介绍与实战
文本向量化EmbeddingClient基本介绍与实战
SpringAI自动配置类源码解析
10、Spring AI之FunctionCall实战与原理分析
Function的基本介绍与实战
FunctionCallback的基本介绍与实战
OpenAiChatClient调用过程源码解析
Function调用过程源码解析
11、Spring AI之RAG实战与原理分析
DocumentReader文件读取器
DocumentTransformer文件内容转换器
DocumentWriter文件向量化存储器
VectorStore向量数据存储器
RedisVectorStore实战Redis存储向量数据
Metadata元数据搜索介绍与实战
PromptTemplate组装RAG提示词
12、企业私有化本地部署大模型解决方案
顶级开源项目Ollama框架介绍与应用实战
定义开源大模型Llama3介绍与应用实战
Langchain4j整合Ollama+Llama3实战
Spring AI整合Ollama+Llama3实战
Ollama框架整合超越Open AI的向量化模型Nomic
13、Spring AI之Java经典面试题智能小助手实战
Spring AI+Ollama+Llama3+ChatGPT Web实现本地私有知识库
自定义EmbeddingClient对问题进行单独向量化
自定义实现Markdown文件读取和解析器
整合ChatGPT Web前端实现流式面试题检索
整合元数据搜索和相似度搜索实现混合搜索
14、如何在企业中使用Ollama部署700亿参数大模型Llama3
Ollama的基本介绍与使用
Ollama部署Llama3-70B实战
15、全能大模型GPT-4o效果体验和全栈接入教程
全能大模型GPT-4o到底强在哪里
基于原生open-ai的API方式体验GPT-4o非一般的速度
基于langchain的方式使用GPT-4o的图片理解能力
基于Spring AI来体验GPT-4o的魅力
16、机器学习快速入门之手写体数字识别
理解什么是机器学习、神经网络、深度学习
理解什么是机器学习模型以及模型的本质
掌握什么是模型的参数和超参数
掌握模型的参数量计算方式
自定义和训练模型识别手写体数字
17、Llama3-8B大模型LoRA微调原理分析与实战
小白都能明白的LoRA原理分析
利用ModelScope下载和推理Llama3模型
准备弱智吧中文问答数据
利用peft框架定义模型和LoRA配置
利用LoRA进行微调训练实战
对比测试微调前和微调后的Llama3效果
18、LangChain与LangGraph知识图谱介绍与应用实战
Python版LangChain的快速入门实战
基于LangServe快速部署LangChain应用
基于LangChain快速开发Tools工具
基于LangChain快速开发一个RAG应用
基于LangChain快速开发一个Agent应用
知识图谱LangGraph介绍与应用实战
19、多智能体Multi-Agent应用实战与原理分析
Tools、Agent、Mulit-Agent与微服务之间的对比
MetaGPT中的软件公司多智能体是如何工作的
如何理解Multi-Agent多智能体以及它的作用和原理
基于MetaGPT自定义开发Role、Action、Agent单智能体应用
基于MetaGPT自定义开发一个Mulit-Agent多智能体应用
20、新一代智能图片搜索引擎原理分析与实战
文搜图、图搜图的底层实现原理分析
文本图像Chinese-CLIP模型的介绍与使用
利用CLIP模型进行图片向量化与Redis向量存储
利用Pytorch和CLIP模型进行文搜图代码实战
利用Pytorch和CLIP模型进行图搜图代码实战
持续更新
深度学习与神经网络从入门到原理和实战
21、三行代码快速实现一个极简神经网络带你快速入门
什么是深度学习？什么是神经网络？
什么是前向传播？什么是反向传播？
可视化代码实战开发一个极简神经网络
22、利用均方误差与正规方程实现一个经典神经网络
什么是均方误差？什么是正规方程？
代码实战使用正规方程快速实现一个神经网络
23、利用随机梯度下降与批量梯度下降实现一个神经网络
什么是梯度下降？
什么是随机梯度下降、批量梯度下降、mini批量梯度下降
代码实战使用不同梯度下降方式实现一个神经网络
24、由二维到三维用更复杂的梯度下降实现一个神经网络
什么情况下需要从二维曲线到三维曲面？
代码实战基于三维曲面梯度下降实现一个神经网络
25、利用Sigmoid激活函数让神经网络拥有灵魂
什么是激活函数？为什么需要激活函数？
结合激活函数代码实战开发一个神经网络解决更复杂的分类问题
26、实现一个多层神经网络以解决更复杂的场景
如何解决更复杂的分类问题？
代码实战多层神经网络解决更复杂的场景
27、利用Keras和PyTorch快速构建一个神经网络
利用Keras框架快速构建一个神经网络
利用PyTorch框架快速构建一个神经网络
Keras和PyTorch两个框架对比
28、自定义神经网络实现手写体数字图像识别
利用PyTorch框架快速实现一个手写体数字图像识别神经网络
利用图片识别机器学习的底层实现原理
29、利用PyTorch和Bert实战一个文本分类任务
什么是文本分类任务
如何理解Bert模型
代码实战快速基于PyTorch和Bert开发一个文本分类模型
30、利用PyTorch和Bert实战发票多标签多分类任务
什么是F1-SCORE？
如何使训练过程可视化？
机器学习数据处理需要注意什么？
如何利用PyTorch和Bert实现一个多标签的文本分类任务
持续更新
0 条评论
下一页
为你推荐
查看更多
