当前位置：首页 > wzjs >正文

网站关键词标题怎么写自学编程网站

wzjs 2025/9/6 4:46:47

网站关键词标题怎么写,自学编程网站,公司网站定制,wordpress摘要省略号一、目前在什么岗位做什么？ 继模型微调、企业级Agents技能掌握之后，担任AI数据负责人。在做数据集构建、AI应用开发等领域内容。二、为什么选择报名学习此训练营？ 不断完善AI领域技术体系，系统化、体系化掌握、深入工程实践。…

一、目前在什么岗位做什么？

继模型微调、企业级Agents技能掌握之后，担任AI数据负责人。

在做数据集构建、AI应用开发等领域内容。

二、为什么选择报名学习此训练营？

不断完善AI领域技术体系，系统化、体系化掌握、深入工程实践。

尤其此次RAG训练营的各大技术实践，对体系化的补充理论、实践，对工作非常有帮助。

涉及

1、RAG框架从0-1制作，了解底层原理。

2、三个实践：医疗领域RAG实践、企业文档合规实践、SJ）KED图数据库RAG实践

3、数据导入、文本分块、向量嵌入、向量数据库选择、检索前处理、索引优化、检索后处理、响应生成、RAG系统评估等。

4、MCP构建、实战

三、课程讲的如何？这个课程你的收获是什么？

1、课程理论和实践并存，尤其是老师设计的总览图，作为课程的大纲，一图看清楚RAG过程中前后涉及的不同环节的构建、优化、调整，结合老师的讲解、一线项目实践，理论+实践，对工作中的需要刚好契合，直接用上了。

2、课程大纲目录
"RAG常见问题文档",
"开营直播",
"开营直播（第2期）",
"答疑直播（2025.4.10）",
"答疑直播（2025.4.29）",
"答疑直播（2025.5.13）",
"答疑直播（2025.5.27）",
"直播答疑（2025.6.12）",
"1. 为什么要使用 Git & GitHub",
"2. 什么是版本控制？",
"3. 安装 Git、初始化仓库并做最简单的配置",
"4. 在 Windows 系统上安装 Git",
"5. 完成一个最简单的 Git 操作流程：工作区、暂存区和仓库",
"6. 将本地仓库同步到远程 GitHub 仓库",
"1. 安装 Cursor",
"2. 使用 Cursor 的基本功能",
"3. 配置 DeepSeek 和其他模型",
"1. 开营导语",
"2. RAG 三问：什么是 RAG？",
"3. LlamaIndex 5 行代码快速上手 RAG",
"4. 通过 LangChain、LCEL、LangGraph 或自制框架实现 RAG",
"5. 如何优化 RAG 系统？",
"1. 下载并运行自制 RAG 框架",
"2. 框架流程和设计说明（前端）",
"3. 框架流程和设计说明（后端）",
"4. 为框架添加新功能",
"5. 从头开始构建框架",
"课后练习",
"1. 项目整体目标",
"2. 项目具体实现：代码下载和功能演示",
"3. 专有名词标准化系统设计",
"4. 向量数据库文档补充说明",
"5. 有名词标准化系统：前后端衔接",
"6. 名词扩展和纠错功能实现",
"7. 项目优化方向",
"8. 金融领域术语标准化及其他 RAG 金融场景",
"第三章作业（需要提交）",
"1. 简单文本的读取",
"2. 结构化文本的读取",
"3. 解析图片中的文字和内容",
"4. PDF 解析：简单工具",
"5. PDF 解析：PDF 转 Markdown",
"6. PDF 解析：Unstructured 工具解析版式和元素",
"7. 导入 CSV 表格数据",
"8. 用 LlamaHub DatabaseReader 连接数据库",
"9. 解析 PDF 中的表格数据（上）",
"10. 解析 PDF 中的表格数据（下）",
"1. 文本分块的原理和重要性",
"2. 文本分块的方法和实现",
"3. 与分块相关的高级索引技巧",
"第五章作业（需要提交）",
"1. 嵌入技术的基本知识",
"2. 嵌入技术的发展和演变",
"3. 大模型时代的嵌入技术",
"4. 稀疏嵌入、密集嵌入、混合嵌入",
"5. 多模态嵌入技术的应用",
"1. 向量是如何存储的",
"2. 主流向量数据库一览",
"3. 集合、索引、度量和搜索（上）",
"4. 集合、索引、度量和搜索（中）",
"5. 集合、索引、度量和搜索（下）",
"6. Milvus 混合检索实战",
"7. Milvus 多模态检索实战",
"1. 查询构建：Text-to-SQL",
"2. 查询构建：用 RAGFlow 实现 Text-to-SQL",
"3. 查询构建：Text-to-Cypher",
"4. 查询构建：自动生成元数据过滤器",
"5. 查询翻译",
"6. 查询路由",
"1. 从小块到大上下文",
"2. 构建有层次的索引",
"3. 构建多表示的索引",
"1. 重排技术",
"2. 压缩和校正技术",
"1. 项目整体目标",
"2. 项目技术实现",
"3. 项目优化方向",
"1. 生成模型的选择与部署方式",
"2. 通过提示工程来提高模型响应质量",
"3. 通过输出解析来控制响应的格式",
"4. 动态生成优化策略",
"1. RAG 系统的评估",
"2. 检索器的评估",
"3. 生成器（响应）的评估",
"4. RAG 评估框架/工具",
"第十三章作业（可选）",
"1. 复习 SNOMED 医疗名词库",
"2. 使用 SNOMED 图数据库",
"3. 安装并配置 Neo4J",
"4. 构建 SNOMED 图数据库",
"5. 利用图数据库提升 RAG 质量",
"1. GraphRAG",
"2. Context Retreival",
"3. Modular RAG",
"4. Agentic RAG",
"5. Multi-Modal RAG",
"RAG 优质论文分享",
"毕业总结",
"1. MCP 基本介绍",
"2. 实战项目：查询实时天气信息",
"3. 实战项目：集成 DeepSeek 模型",
"4. 实战项目：集成 LangChain 简化 MCP 开发",
"5. 实战项目：RAG 系统集成 MCP",
"6. MCP 实战总结",
"作业：基于MCP构建RAG系统（代码实践）"