2025 年 AI 大模型基础教程：开启人工智能进阶之路
在人工智能技术蓬勃发展的当下，AI 大模型成为众多领域的关键驱动力，掌握相关知识与技能的人才备受青睐。本教程专为零基础或基础薄弱的学习者打造，致力于帮助学员从对 AI 大模型的初步认知，逐步成长为能够将其应用于实际工作和项目的专业人才。
一、课程目标
建立扎实的理论基础：帮助学员理解 AI 大模型的基本概念、技术原理，涵盖机器学习、深度学习、神经网络等基础知识，以及大规模参数、预训练、泛化能力等大模型关键特性。
培养实践操作能力：通过丰富的实践项目和案例，让学员熟练运用 Python 编程语言以及 TensorFlow、PyTorch 等深度学习框架，掌握模型训练、微调、评估等核心操作技能。
提升综合应用水平：引导学员了解大模型在自然语言处理、图像识别、智能推荐等多领域的应用，使其具备将大模型技术融入实际项目，解决复杂问题的能力。
二、课程内容
基础概念入门（10 天）
人工智能基础：介绍人工智能的发展历程、基本概念，如机器学习、深度学习的区别与联系，让学员对人工智能领域有整体认知。
编程语言与数学基础：聚焦 Python 编程语言基础语法、数据结构、函数等，同时讲解线性代数、概率论、统计学等对理解大模型算法至关重要的数学知识。
大模型概述：阐述 AI 大模型定义、特点，分析常见大模型（如 GPT、BERT 等）架构和应用场景，让学员对大模型有初步认识。
理论知识深化（15 天）
深度学习框架应用：深入学习 TensorFlow 或 PyTorch 框架，包括搭建模型、处理数据、优化算法，通过官方教程和实际案例提升操作熟练度。
大模型架构剖析：深入探讨 Transformer、卷积神经网络（CNN）、循环神经网络（RNN）等架构，理解其原理、结构和优势，以及在不同任务中的应用。
实践项目操作（20 天）
小型项目实践：从简单项目入手，如手写数字识别、文本分类等，让学员在实践中巩固理论知识，掌握模型训练和评估方法。
参与开源项目：引导学员参与 GitHub 等平台的开源大模型项目，学习优秀代码结构和开发规范，提升实际开发能力。
领域专项学习（15 天）
自然语言处理方向：学习自然语言处理的基础任务，如文本分类、情感分析、机器翻译，掌握大模型在该领域的应用技巧和优化方法。
计算机视觉方向（可选）：针对有兴趣的学员，介绍图像识别、目标检测、图像生成等任务，以及大模型在计算机视觉中的应用和实践要点。
综合项目实战（10 天）
完整项目开发：组织学员进行综合项目开发，如搭建智能客服系统、图像生成应用等，从需求分析、模型选择到部署优化，全流程提升项目实践能力。
项目展示与交流：安排项目展示环节，学员分享成果和经验，相互学习和交流，共同提升项目开发水平。
三、课程特色
系统性学习路径：课程遵循从基础到进阶、从理论到实践的科学设计，帮助学员逐步建立完整的知识体系，避免学习过程中的困惑和迷茫。
丰富的学习资源：提供包括教材、视频教程、开源代码示例、数据集等在内的丰富学习资源，满足不同学习风格学员的需求，便于学员课后复习和拓展学习。
实战驱动教学：以大量实际项目为载体，让学员在实践中学习，不仅掌握理论知识，更能培养解决实际问题的能力，提升就业竞争力。

课程目录：

一口气搞懂AI大模型的基本原理：RAG、工作流、微调。蒸馏学习等等
AGI是什么？怎么理解并能使用AGI？
DeepSeek到底是什么？
DeepSeek实用技能分享
deepseek&openAI性能对比，本地部署教程
私有化部署deepseek后，如何做agent，RAG与工作流的开发？
deepseekR1全链路学习方法
【AI基础】01 详解Transformer part1
【AI基础】02 位置编码
【AI基础】03 add和norm
【AI基础】04 decoder
【AI基础】05 输出层
【AI框架】1.Langchain是什么
【AI框架】2.Langchain的核心
【AI框架】3.Langchain的底层原理
【AI框架】4.Langchain的环境和监控
【AI框架】5.采用Langtain调用LLM
【AI框架】6.Langchain的提示模板
【AI框架】7.部署你的langchain程序
【AI框架】8.LangChain构建聊天机器人
【AI框架】9.流式输出的处理
【AI框架】10.构建文档和向量空间
【AI框架】11.检索器和模型结合
【AI框架】12.Tavily搜索工具
【AI框架】13.Agent代理的使用
【AI框架】14.构建RAG对话应用(一)
【AI框架】15.构建RAG问答应用(二)
【AI框架】16.构建RAG问答应用(三)
【AI框架】17.Langchain读取数据库
【AI框架】18.Langchain和数据库整合
【AI框架】19.Agent整合数据库
【AI框架】20.爬取Youtube字幕并构建向量数据库
【AI框架】21.执行代码并保存向量数据库
【AI框架】22.加载向量数据库并测试 (2)
【AI框架】23.定义数据模型得到检索指令
【AI框架】24.根据检索条件去执行
【AI框架】25.提取和输出结构化数据
【AI框架】26.提取多个对象
【AI框架】27.生成一些文本数据
【AI框架】28.生成结构化的数据(一)
【AI框架】29.生成结构化的数据(二)
【AI框架】30.实现文本分类(一)
【AI框架】31.实现文本分类(二)
【AI框架】32.文本自动摘要的三种方式
【AI框架】33.文本自动摘要Stuff方式
【AI框架】34.文本自动摘要MapReduce(一)
【AI框架】35.文本自动摘要MapReduce(二)
【AI框架】36.文本自动摘要Refine方式
【chatGLM-4】01.智普GLM大模型介绍
【chatGLM-4】02.GLM-4大模型的开发环境介绍
【chatGLM-4】03.GLM-4大模型的调用方式
【chatGLM-4】04.使用魔塔社区的Embeddings(一)
【chatGLM-4】05.使用魔塔社区的Embeddings(二)
【chatGLM-4】06.自定义Tools(一)
【chatGLM-4】07.自定义Tools(二)
【chatGLM-4】08.GLM整合数据库操作
【chatGLM-4】09.自定义长Chain(链)执行SQL
【chatGLM-4】10.RAG文件加载器(一)
【chatGLM-4】11.RAG文件加载器(二)
【chatGLM-4】12.RAG文本拆分器(一)
【chatGLM-4】13.RAG文本拆分器(二)
【chatGLM-4】14.RAG文本拆分器(三)
【chatGLM-4】15.RAG文本拆分器(四)
【chatGLM-4】16.RAG综合案例和向量数据库