文件清单 152 项

• 6-c04函数说明.zip
• 15-c07面向对象资料.zip
• 31-模型分布式训练并行策略、通信原语、ZeRO、混合并行、模型训练案例文档.png
• 32-大模型分布训练（ddpfsdp和deepspeed示例）、HuggingFace API及用例、模型微调基础资料.png
• 1-HFAPI及用例模型微调工作机制微调数据集和对话模板.mp4
• 1-模型微调实践、模型压缩与优化介绍、模型量化工作原理.mp4
• 2-虚拟环境安装.mp4
• 4-语法.mp4
• 5-运算符和内建函数.mp4

展开全部 152 项

• 1-分支循环.mp4
• 2-循环和三元表达式.mp4
• 1-数值和内建函数.mp4
• 2-线性表原理详解.mp4
• 3-列表操作和内存模型.mp4
• 1-1列表复制原理.mp4
• 2-2-Random模块.mp4
• 4-4字符串构造1.mp4
• 5-5-字符串分割替换移除.mp4
• 6-6字符串判断1.mp4
• 7-7字符串格式化.mp4
• 1-1字节类型.mp4
• 2-2-切片.mp4
• 3-3第一章习题-九九乘法表.mp4
• 5-5-第二章习题【公重号：CunWorkNotess】.mp4
• 2-2-set和哈希表原理.mp4
• 1-1-字典增删改查.mp4
• 2-2-遍历和有序性.mp4
• 2-2-传实参2种方式.mp4
• 3-3-缺省值..mp4
• 4-4-可变形参.mp4
• 5-5-形参和返回值.mp4
• 6-6-作用域和嵌套函数.mp4
• 7-7-局部变量赋值和global.mp4
• 1-1-闭包原理.mp4
• 2-2-nonlocal和LEGB.mp4
• 3-3-匿名函数.mp4
• 4-4-生成器函数.mp4
• 1-1函数执行原理.mp4
• 2-2-递归函数.mp4
• 3-3作业之比较大小.mp4
• 4-4-作业上下三角打印.mp4
• 1-1-可迭代对象和内建函数.mp4
• 3-3-无参装饰器.mp4
• 4-4-带参装饰器.mp4
• 5-5-类型注解和类型检查装饰器.mp4
• 1-1-插入排序.mp4
• 2-2-functools之reduce和partial.mp4
• 2-2-附加模式和指针.mp4
• 2-2-文件对象读写和迭代.mp4
• 4-4-Path常用操作.mp4
• 5-5-Path操作2.mp4
• 6-6-shutil模块使用.mp4
• 1-1-序列化本质和pickle.mp4
• 2-2json和msgpack.mp4
• 5-5-正则表达式1.mp4
• 6-6-正则表达式2.mp4
• 1-c06文件IO和序列化资料.zip
• 3-3-正则习题讲解2.mp4
• 4-4-re模块使用.mp4
• 5-5-argparse模块使用.mp4
• 1-1-面向对象概念【公重号：CunWorkNotess】.mp4
• 2-2-类、实例、属性、self.mp4
• 3-3-属性本质和属性访问规则.mp4
• 4-4-方法、类方法、静态方法原理.mp4
• 1-1-时间模块使用.mp4
• 1-c07面向对象文档.zip
• 2-2-property装饰器.mp4
• 3-3-继承.mp4
• 4-4-继承和访问控制.mp4
• 5-5-覆盖.mp4
• 6-6-初始化原则和多态.mp4
• 7-7-多继承和Mixin.mp4
• 2-2-高阶函数参数本质.mp4
• 3-3-作业温度转换和图形面积.mp4
• 4-4-日志层次、级别、根.mp4
• 1-异常处理【公重号：CunWorkNotess】.mp4
• 马哥教育-大模型应用与工程实践/
• 1-Python基础/
• 2-Python基础c02线性表/
• 3-c02线性表/
• 4-c02线性表c03哈希表/
• 5-c03哈希表c04函数/
• 6-c04函数/
• 7-c04函数/
• 8-c04函数/
• 9-c05装饰器/
• 10-c05装饰器c06文件IO和序列化/
• 11-c06文件IO和序列化/
• 12-c06文件IO和序列化/
• 13-c06文件IO和序列化/
• 14-c07面向对象/
• 15-c07面向对象/
• 16-c07面向对象/
• 17-c07面向对象c08面向对象进阶/
• 18-c08面向对象进阶/
• 19-c08面向对象进阶/
• 21-6.28开班/
• 22-神经网络基础概率/
• 23-Pandas、Matplotlib/
• 24-Pandas、Matplotlib/
• 25-sklearn神经网络和pytorch/
• 26-神经网络/
• 27-优化器正则化CNN和RNNLSTM/
• 28-RNNLSTMGRU和Transformer/
• 29-Transformer架构组件、工作原理、代码实践和最新演进/
• 30-Transformer模型训练深度解析、各组件的演进、GPU/
• 31-模型分布式训练并行策略、通信原语、ZeRO、混合并行、模型训练案例/
• 32-大模型分布训练（ddpfsdp和deepspeed示例）、HuggingFace API及用例、模型微调基础/
• 33-HF API及用例、模型微调工作机制、微调数据集和对话模板、LoRA/
• 34-模型微调实践、模型压缩与优化介绍、模型量化工作原理、模型量化实践、模型剪枝和模型蒸馏介绍/
• 35-第14节-模型量化及实践案例、模型推理与推理引擎、vLLM组件、架构、工作原理及案例/
• 36-第15节-SGLang推理引擎、LLM的生产架构及案例/
• 37-第16节-基于LiteLLM-Proxy的生产架构案例、Ray与Ray Cluster、Ray Cluster创建与管理/
• 38-第17节-LLM推理技术与工程化（基于Kubernetes）/
• 39-LLM推理系统的约束分析、架构设计与SLA达成路径/
• 40-分布式、云原生与生产级系统/
• 1-Python学习之路/
• 1-分支循环/
• 2-数值和内建函数/
• 1-c02线性表/
• 1-c02线性表c03哈希表/
• 2-c02线性表c03哈希表/
• 1-1-字典增删改查/
• 2-函数概念/
• 1-c04函数/
• 1-c04函数/
• 1-c04函数/
• 1-c05装饰器/
• 1-c05装饰器c06文件IO和序列化/
• 2-c05装饰器c06文件IO和序列化/
• 1-c06文件IO和序列化/
• 1-c06文件IO和序列化/
• 1-c06文件IO和序列化/
• 1-c07面向对象/
• 1-c07面向对象/
• 1-c07面向对象/
• 1-异常处理/
• 2-魔术方法之实例化/
• 1-c08面向对象进阶/
• 1-c08面向对象进阶/
• 1-6.28开班典礼&LLMOps资深工程师/
• 1-神经网络基础概率/
• Seaborn、Scikit-Learn、特征工程和PyTorch基础/
• Seaborn、Scikit-Learn、特征工程和PyTorch基础（2）/
• 1-sklearn神经网络和pytorch/
• 1-神经网络/
• GRU/
• 1-Transformer架构组件、工作原理、代码实践和最新演进/
• 1-基于LiteLLM-Proxy的生产架构案例、Ray与Ray Cluster、Ray Cluster创建与管理、Ray Serve架构/
• 1-LLM推理技术与工程化（基于Kubernetes）/
• 1-LLM推理系统的约束分析、架构设计与SLA达成路径/
• 1-分布式、云原生与生产级系统/