尚硅谷-AI大模型实战训练营是一门专注于深度学习与自然语言处理（NLP）领域的专业课程。课程从机器学习的基本概念出发，逐步深入到模型训练流程、激活函数与损失函数等基础知识。在后续章节中，课程将涵盖分类器与评估指标、Transformer架构及其内部机制如多头注意力机制等内容，并通过seq2seq模型的应用加深理解。此外，课程还探讨了BERT等先进的预训练模型，并提供了关于CUDA与GPU加速计算的基础知识。在实践环节，学员将有机会接触完整的代码框架，包括BERT分类器的设计与调试，以及如何利用多GPU进行高效训练。本课程不仅包含理论讲解，还有丰富的课间答疑和实战经验分享，帮助学员全面掌握AI大模型的核心技术和应用技巧。
课程目录
├──01 第一课
| ├──01_机器学习基本概念.mp4 104.02M
| ├──02_模型训练流程.mp4 98.60M
| ├──03_模型训练基本概念.mp4 100.76M
| ├──04_模型训练基本概念-激活函数与损失函数.mp4 81.17M
| └──Chapter01_深度学习基础.pdf 24.00M
├──02 第二课
| ├──01 分类器与评估指标.mp4 90.93M
| ├──02 第一次课间答疑.mp4 16.40M
| ├──03评估指标与经典模型.mp4 95.66M
| ├──04 第二次课间答疑.mp4 12.27M
| ├──05 seq2seq.mp4 29.61M
| ├──06 Transformer基本流程.mp4 48.06M
| ├──07 第三次课间答疑.mp4 31.86M
| ├──08 Transformer Encoder.mp4 80.47M
| ├──09 Transformer多头注意力机制.mp4 36.44M
| ├──Attention Is All You Need_unlocked.pdf 13.48M
| └──Chapter01_深度学习基础_unlocked.pdf 24.22M
├──03 第三课
| ├──课件&资料
| | ├──01-Chapter-01 深度学习基础_unlocked.pdf 22.39M
| | ├──02-AutoDL使用文档_unlocked.pdf 14.09M
| | └──03-拓展分享-BERT源码解析.pdf 12.88M
| ├──01_Transformer Encoder.mp4 99.61M
| ├──02_1021第一次课间答疑.mp4 18.59M
| ├──03_Transformer Decoder.mp4 53.09M
| ├──04_BERT.mp4 44.62M
| ├──05_1021第二次课间答疑.mp4 5.65M
| ├──06_第三次课间答疑+BERT&T5+深度学习优化策略.mp4 62.37M
| ├──07_CUDA与GPU基本概念.mp4 29.22M
| └──08_第四次课间答疑+GPU并行训练策略.mp4 75.42M
└──04 第四课
| ├──课件&资料&代码
| | └──BertClassifier.zip 1.16G
| ├──01_整体代码框架介绍+CPU训练代码讲解01.mp4 134.26M
| ├──02_第一次课间答疑.mp4 19.34M
| ├──03_CPU训练代码讲解02+BERT代码Debug01.mp4 185.59M
| ├──04_第二次答疑+BERT代码Debug02+多GPU训练代码讲解+Autodl使用及环境搭建.mp4 228.24M
| ├──05_训练代码启动.mp4 21.48M
| └──06_第三次答疑+智能对话系统概述+训练结果说明+重点总结.mp4 86.36M
