黑马博学谷AI大模型训练营

 1. 课程核心价值与特色   
黑马博学谷AI大模型训练营系统覆盖大模型全栈技术，通过金融、电商、医疗等6大行业项目串联核心知识点。课程不仅详解PyTorch框架、BERT架构等基础工具，更聚焦Stable Diffusion、ChatGLM-6B等前沿模型实战，配合百度千帆、讯飞星火等企业级平台操作指南，实现从理论到产业应用的完整闭环。   

 2. 前沿技术深度解析   
课程突破传统教学框架，重点剖析三大技术维度：   

- Prompt工程体系：包含基础提示词设计到金融风向评估等高级应用   

- 多模态模型开发：通过虚拟试衣项目掌握Stable Diffusion图像生成全流程   

- 行业微调方案：基于BERT的PET/P-Tuning方法在新零售决策系统的落地实践   

配套的趋动云、PAI平台操作手册为学习者提供生产级开发环境支持。   

 3. 六大行业级项目实战   
课程通过真实业务场景驱动教学：   

1. 金融动态评估系统（ChatGLM-6B应用）   

2. 电商虚拟试衣解决方案（Stable Diffusion）   

3. 物流智能问答系统（BERT微调）   

4. 医疗问诊大模型（文心一言集成）   

5. 新零售决策引擎（P-Tuning优化）   

6. 新媒体评论分析（信息抽取技术）   

每个项目均提供完整代码、预训练模型及行业数据集，如电商领域的aigc_demo_origin.zip等实战资源。   

 4. 课程体系与学习路径   
分阶段递进式教学设计：   

- 基础层：深度学习原理、PyTorch编程规范   

- 核心层：大模型架构解析、提示工程指南   

- 进阶层：千帆/星火大模型API对接、模型微调   

- 拓展层：AI论文精读与学术写作指导   

特别设置的大模型研发流程.pdf等文档，系统梳理企业级项目开发方法论。   

 5. 适合人群与技能提升   
本课程适合：   

- 希望转型AI开发的Python工程师   

- 需掌握大模型落地的算法研究者   

- 计划进入AIGC领域的创业者   

学完可掌握模型训练、行业适配、平台部署三大核心能力，课件中如《人工智能平台PAI使用指南》等资料可直接应用于工作场景。   

通过理论讲解与项目实践的紧密结合，本课程为学习者构建了完整的大模型技术知识图谱。从基础框架到行业解决方案，帮助学员在人工智能领域实现实质性突破。

资源目录列表：

├─2024最新黑马博学谷-AI大模型训练营1期
│  ├─直播资料
│  │  ├─1月27日
│  │  │  ├─00-深度学习简介.pdf
│  │  │  ├─01-PyTorch基本使用.pdf
│  │  ├─1月30日
│  │  │  ├─部分截图
│  │  │  ├─代码
│  │  │  ├─课件
│  │  │  ├─作业
│  │  │  ├─大模型项目研发流程.pdf
│  │  ├─2月1日
│  │  │  ├─课件+预习
│  │  │  ├─课件+预习
│  │  ├─2月20日
│  │  │  ├─课件+预习
│  │  ├─2月22日
│  │  │  ├─ChatGLM-6B
│  │  │  ├─01-大模型提示工程指南.pdf
│  │  │  ├─02-金融行业动态方向评估项目.pdf
│  │  ├─2月25日
│  │  │  ├─代码
│  │  │  ├─课件
│  │  ├─2月27日-虚拟试衣
│  │  │  ├─01-讲义
│  │  │  ├─PAI平台开通指南.pdf
│  │  │  ├─人工智能平台PAI使用指南.pdf
│  │  ├─2月29日-虚拟试衣
│  │  │  ├─01-讲义
│  │  ├─2月3日
│  │  │  ├─课件
│  │  ├─3月10日
│  │  │  ├─代码
│  │  │  ├─课件
│  │  ├─3月12日
│  │  │  ├─代码
│  │  │  ├─课件
│  │  │  ├─课前下载
│  │  │  ├─预训练模型
│  │  ├─3月14日
│  │  │  ├─代码
│  │  │  ├─03-基于BERT+PET方式数据预处理介绍.pdf
│  │  ├─3月17日
│  │  │  ├─代码
│  │  │  ├─课件
│  │  ├─3月19日
│  │  │  ├─代码
│  │  │  ├─课件
│  │  ├─3月21日
│  │  │  ├─代码
│  │  │  ├─课件
│  │  │  ├─趋动云使用《补充》.pdf
│  │  ├─3月26日AIGC
│  │  │  ├─01-AIGC背景.pdf
│  │  │  ├─02-图像生成方法.pdf
│  │  ├─3月28日图像生成
│  │  │  ├─03-stableDiffusion详解.pdf
│  │  ├─3月30号图像生成
│  │  │  ├─03-stableDiffusion详解.pdf
│  │  │  ├─04-StableDiffusion实践.pdf
│  │  ├─3月3日
│  │  │  ├─代码
│  │  │  ├─课件
│  │  │  ├─一定要下载的模型
│  │  ├─3月5日
│  │  │  ├─代码
│  │  │  ├─课件
│  │  ├─3月7日
│  │  │  ├─代码
│  │  │  ├─课件
│  │  ├─4月2号图像生成
│  │  │  ├─img_Plaidshirtprogrammer
│  │  │  ├─img-glasses
│  │  │  ├─weights
│  │  │  ├─05-腾讯云AI绘画.pdf
│  │  │  ├─aigc_demo_origin.zip
│  │  ├─4月7日-文心一言和千帆大模型
│  │  │  ├─01-文心一言的使用.zip
│  │  │  ├─02-千帆大模型简介.pdf
│  │  │  ├─03-千帆大模型的使用.zip
│  │  │  ├─sample-text-dialog-unsort-jsonl.zip
│  │  │  ├─清洗emoji数据的demo数据集.zip
│  │  ├─4月9日-星火大模型
│  │  │  ├─translate_in_many_style.zip
│  │  │  ├─星火大模型（博学谷）.pdf
│  ├─1-1开班仪式+Python前置课程串讲.mp4
│  ├─1-10【项目1】金融行业动态风向评估.mp4
│  ├─1-11【项目1】金融行业动态风向评估.mp4
│  ├─1-12【项目2】电商领域虚拟试衣系统.mp4
│  ├─1-13【项目2】电商领域虚拟试衣系统.mp4
│  ├─1-14【项目3】物流行业信息咨询智能问答系统.mp4
│  ├─1-15【项目3】物流行业信息咨询智能问答系统.mp4
│  ├─1-16【项目3】物流行业信息咨询智能问答系统2024.03.05.mp4
│  ├─1-17【项目3】物流行业信息咨询智能问答系统(2024.03.07).mp4
│  ├─1-18【项目4】大健康行业智能问诊系统(2024.03.10).mp4
│  ├─1-1920【项目4】大健康行业智能问诊系统.mp4
│  ├─1-2大模型前置知识.mp4
│  ├─1-21【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】.mp4
│  ├─1-22【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】.mp4
│  ├─1-23【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】.mp4
│  ├─1-24【项目6】新媒体行业评论智能分类与信息抽取系统.mp4
│  ├─1-25【项目6】新媒体行业评论智能分类与信息抽取系统.mp4
│  ├─1-26StableDiffusion多模态大模型应用实战.mp4
│  ├─1-27StableDiffusion多模态大模型应用实战.mp4
│  ├─1-28StableDiffusion多模态大模型应用实战.mp4
│  ├─1-29StableDiffusion多模态大模型应用实战.mp4
│  ├─1-3大模型前置知识.mp4
│  ├─1-30StableDiffusion多模态大模型应用实战.mp4
│  ├─1-31文心一言&百度千帆大模型平台.mp4
│  ├─1-32文心一言&百度千帆大模型平台.mp4
│  ├─1-33讯飞星火大模型+星火微调平台应用.mp4
│  ├─1-34讯飞星火大模型+星火微调平台应用.mp4
│  ├─1-35综合项目与项目路演+【拓展】AI论文导读与论文撰写.mp4
│  ├─1-4大模型基础知识.mp4
│  ├─1-5大模型主要类别架构.mp4
│  ├─1-6主流大模型介绍及大模型Prompt-Tuning方法入门.mp4
│  ├─1-6主流大模型介绍及大模型Prompt-Tuning方法入门2.mp4
│  ├─1-7主流大模型介绍及大模型Prompt-Tuning方法入门.mp4
│  ├─1-8大模型Prompt-Tuning方法进阶.mp4
│  ├─1-9大模型提示词工程应用.mp4