基于 RAG 和大模型工程实战
关注
分享
扫一扫
文章平均质量分 75
本课程将带你深入学习检索增强生成（RAG）与大型语言模型（LLM），从技术构建到商业转化，帮助你快速原型、发布盈利项目。课程涵盖RAG基础、应用开发、性能优化及商业策略，使你掌握技术并实现项目盈利转化。
coding 迪斯尼
我叫陈屹,网名 Coding 迪斯尼，是软件工程师，曾在微软、联想和RealNetworks工作，并使用过多种编程语言和技术。我喜欢费曼的教学方法，并相信最好的学习方式是通过教学。因此，我在这个平台发布课程，同时在过程中提升自己。我拥有数学学位，并自学了计算机科学的相关概念。我也相信，一名优秀的软件工程师应该拥有全面的知识，因此我会尝试创建涵盖多种主题的课程。
我目前出了四本书：
《python 程序员面试宝典》
《算法 python 语言实现》
《神经网络与深度学习实战》
《Tensorflow2.x 深度学习从入门到实战》
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
RAG 工程实战:以统计学方法实现单词向量化
本文主要描述高阶 RAG 工程实践的基础知识：如何基于统计学的方法将单词转换为向量原创 2024-11-22 13:03:41 · 170 阅读 · 0 评论 -
基于 RAG 和大模型的工程实战：原生大模型应用回复质量和初步输入增强后大模型回复质量的比较研究
本文给出了没有任何增强处理情况下原生 LLM 应用输出质量和仅仅针对输入作初步增强的情况下 LLM 输出质量的提升比较研究原创 2024-11-13 16:03:06 · 325 阅读 · 0 评论 -
深入研究 RAG 流程中的关键组件
本文深入探讨了组成 RAG 流程中各个组件的使用极其原理原创 2024-11-05 14:55:19 · 300 阅读 · 0 评论 -
基于 RAG 和大模型的工程实战:环境配置
文本给出了实现 基于 RAG 和大模型的工程环境配置原创 2024-11-05 14:46:47 · 404 阅读 · 0 评论