文件清单 104 项

• [1.1]-1-1 [导航]课程导学&让你快速了解课程_ev.mp4
• [1.2]-1-2 [内容安排]课程安排和学习建议_ev.mp4
• [1.3]-1-3 [行业发展]ChatGPT对行业,社会有什么影响,我们要_ev.mp4
• [1.4]-1-4 [发展史]ChatGPT的简要历史_ev.mp4
• [1.5]-1-5 [学习须知]本课程为什么使用gpt2而不是gpt3_ev.mp4
• [2.1]-2-1 [认知]为什么要引入paddle?平时使用torch,学_ev.mp4
• [2.2]-2-2 [框架]paddle和torch与tensorflow对_ev.mp4
• [2.3]-2-3 [NLP工具和预训练模型]paddleNLP和huggi_ev.mp4
• [2.4]-2-4 [平台]介绍aistudio_ev.mp4

展开全部 104 项

• [2.5]-2-5 [工具]介绍基于gpt4的IDE cursor_ev.mp4
• [3.1]-3-1 [认知]词向量,词向量与gpt的关系_ev.mp4
• [3.2]-3-2 [语言模型]语言模型和评估指标PPL_ev.mp4
• [3.3]-3-3 [词向量模型]word2vec-cbow和skipgra_ev.mp4
• [3.4]-3-4 [softmax加速]是softmax 树型优化_ev.mp4
• [3.5]-3-5 [softmax加速]softmax负采样优化_ev.mp4
• [3.6]-3-6 [数据准备与预处理]word2vec实战(1)_ev.mp4
• [3.7]-3-7 [数据准备与预处理]word2vec实战(2)_ev.mp4
• [3.8]-3-8 [模型训练]word2vec实战-模型开发和训练(1)_ev.mp4
• [3.9]-3-9 [模型训练]word2vec实战-模型开发和训练(2)_ev.mp4
• [3.10]-3-10 [激活函数]常见七种激活函数对比_ev.mp4
• [3.11]-3-11 [预训练语言模型]RNN-LSTM-ELMO_ev.mp4
• [3.12]-3-12 本章梳理小结_ev.mp4
• [4.1]-4-1 本章介绍_ev.mp4
• [4.2]-4-2 seq2seq结构和注意力_ev.mp4
• [4.3]-4-3 seq2seq-attention的一个案例_ev.mp4
• [4.4]-4-4 transformer的multi-head atten_ev.mp4
• [4.5]-4-5 transformer的残差链接-解决梯度消失问题_ev.mp4
• [4.6]-4-6 transformer的layernorm-归一化提升训_ev.mp4
• [4.7]-4-7 transformer的decoder 解码器_ev.mp4
• [4.8]-4-8 sparse-transformer 稀疏模型_ev.mp4
• [4.9]-4-9 transformer-xl 解决长序列的问题(1)_ev.mp4
• [4.10]-4-10 transformer-xl解决长序列的问题(2)_ev.mp4
• [4.11]-4-11 本章梳理总结_ev.mp4
• [5.1]-5-1 本章介绍_ev.mp4
• [5.2]-5-2 metric-评估指标(BLUE-rouge-L-MET_ev.mp4
• [5.3]-5-3 常见 subword 算法(BPE-wordpiece)_ev.mp4
• [5.4]-5-4 常见的NLP任务_ev.mp4
• [5.5]-5-5 bert 预训练模型_ev.mp4
• [5.6]-5-6 bert情感分析实战-paddle(1)_ev.mp4
• [5.7]-5-7 bert情感分析实战-paddle(2)_ev.mp4
• [5.8]-5-8 evaluate和predict方法-paddle_ev.mp4
• [5.9]-5-9 bert(transformer encoder)主要源_ev.mp4
• [5.10]-5-10 bert(transformer encoder)主要_ev.mp4
• [5.11]-5-11 bert(transformer encoder)的完_ev.mp4
• [5.12]-5-12 Ernie文心一言基础模型(1)_ev.mp4
• [5.13]-5-13 Ernie文心一言基础模型(2)_ev.mp4
• [5.14]-5-14 plato百度对话模型(1)_ev.mp4
• [5.15]-5-15 plato 百度对话模型(2)_ev.mp4
• [5.16]-5-16 本章总结_ev.mp4
• [6.1]-6-1 RL是什么&为什么要学习RL_ev.mp4
• [6.2]-6-2 强化学习章介绍_ev.mp4
• [6.3]-6-3 RL基础概念_ev.mp4
• [6.4]-6-4 RL马尔可夫过程_ev.mp4
• [6.5]-6-5 RL三种方法(1)_ev.mp4
• [6.6]-6-6 RL三种方法(2)_ev.mp4
• [6.7]-6-7 DQN和DQN的2种改进算法(1)_ev.mp4
• [6.8]-6-8 DQN和DQN的2种改进算法(2)_ev.mp4
• [6.9]-6-9 actor-critic(1)_ev.mp4
• [6.10]-6-10 actor-critic(2)_ev.mp4
• [6.11]-6-11 TRPO+PPO(1)_ev.mp4
• [6.12]-6-12 TRPO+PPO(2)_ev.mp4
• [6.13]-6-13 DQN代码实践-torch-1_ev.mp4
• [6.14]-6-14 DQN代码实践-torch-2_ev.mp4
• [6.15]-6-15 DoubleDQN+DuelingDQ代码-torc_ev.mp4
• [6.16]-6-16 REINFORCE代码-torch_ev.mp4
• [6.17]-6-17 PPO代码实践-torch_ev.mp4
• [6.18]-6-18 强化学习-本章总结_ev.mp4
• [7.1]-7-1 GPT1 模型_ev.mp4
• [7.2]-7-2 GPT2 模型_ev.mp4
• [7.3]-7-3 GPT3 模型-1_ev.mp4
• [7.4]-7-4 GPT3 模型-2_ev.mp4
• [7.5]-7-5 gpt-codex 基于GPT技术开发的模型_ev.mp4
• [7.6]-7-6 alphaCode基于GPT技术开发的模型-1_ev.mp4
• [7.7]-7-7 alphaCode基于GPT技术开发的模型-2_ev.mp4
• [7.8]-7-8 instruct-gpt 基于GPT技术开发的模型-1_ev.mp4
• [7.9]-7-9 instruct-gpt 基于GPT技术开发的模型-2_ev.mp4
• [7.10]-7-10 Antropic LLM大型语言模型_ev.mp4
• [7.11]-7-11 GPT-本章总结_ev.mp4
• [8.1]-8-1 chatGPT训练实战_ev.mp4
• [8.2]-8-2 SFT有监督的训练-数据处理_ev.mp4
• [8.3]-8-3 SFT有监督训练-trainer_ev.mp4
• [8.4]-8-4 SFT有监督训练-train_ev.mp4
• [8.5]-8-5 RM训练-model+dataset(1)_ev.mp4
• [8.6]-8-6 RM训练-model+dataset(2)_ev.mp4
• [8.7]-8-7 RM训练-trainer_ev.mp4
• [8.8]-8-8 RM训练-train-rm_ev.mp4
• [8.9]-8-9 RLHF强化学习人类反馈的训练-dataset_ev.mp4
• [8.10]-8-10 RLHF强化学习人类反馈的训练-model-base_ev.mp4
• [8.11]-8-11 RLHF强化学习人类反馈的训练-model-opt_ev.mp4
• [8.13]-8-13 RLHF强化学习人类反馈的训练-generation(_ev.mp4
• [8.14]-8-14 RLHF强化学习人类反馈的训练-exp_maker(1_ev.mp4
• [8.15]-8-15 RLHF强化学习人类反馈的训练-exp_maker(2_ev.mp4
• [8.16]-8-16 RLHF强化学习人类反馈的训练-buffer-util_ev.mp4
• [8.17]-8-17 RLHF强化学习人类反馈的训练-buffer-loss_ev.mp4
• [8.19]-8-19 RLHF强化学习人类反馈的训练-main_ev.mp4
• 从0到1训练私有大模型 ,企业急迫需求,抢占市场先机/
• {1}-第1章 课程介绍/
• {2}-第2章 训练模型与开发平台环境/
• {3}-第3章 chatGPT初始技术词向量原理剖析与实战/
• {4}-第4章 chatGPT基石模型——基于Transformer架构的语言模型/
• {5}-第5章 基于Transformer另一分支Bert系列分析与实战/
• {6}-第6章 chatGPT的核心技术——强化学习/
• {7}-第7章 chatGPT技术演变——从GPT 1 开始的大模型发展与演化/
• {8}-第8章 RLHF训练类ChatGPT模型代码实战/