尚硅谷 AI大模型实战训练营2024

2024年2月8日 150条评论 3,054次阅读

资源简介

文章目录

ChatGPT席卷全球科技行业，彻底颠覆了人们对于人工智能的认知。鉴于GPT系列模型巨大的应用潜力和市场价值，国内头部互联网公司迅速跟进，先后推出了“文言一心”、“通义千问”等中文领域大语言模型。资本也纷纷下场，AIGC及大模型领域呈现出前所未有的蓬勃发展景象。

2023年2月13日，美团董事王慧文发文宣布进入AI领域，设立北京光年之外科技有限公司，出资5千万美元，估值2亿美元
2023年2月16日，由商汤科技副总裁闫俊杰创立的AI大模型创业公司MiniMax公布技术路径与商业路径
2023年3月19日，创新工场董事长兼CEO李开复宣布筹组公司“Project AI 2.0”，致力于打造AI 2.0全新平台和AI-first生产力应用的全球化公司
2023年4月10日，搜狗创始人王小川正式对外宣布开启人工智能大模型领域创业，创立“百川智能”，已获5000万美元资金支持
2023年4月24日，IDEA研究院张家兴入局大模型创业，首轮估值20亿
AI初创公司深言科技（DeepLang AI）快速完成新一轮高估值融资，估值1亿美元
面壁智能获知乎数千万天使轮融资，推出“知海图AI”中文大模型
AI图像生成技术服务商Tiamat已于日前完成近千万美元A轮融资
图智能公司Fabarta宣布已经成功获得亿元人民币的Pre-A轮融资

对传统算法行业的影响

算法行业迎来久违的招聘热潮。在目前快速增加的岗位中，大模型方向算法工程师的占比较高。在算法岗位的招聘及面试过程中，对工程师大模型方面的理论知识或应用经验提出了越来越多的要求，成为筛选候选人的关键因素之一。

从目前开源大模型的实践效果来看，很多传统的NLP任务，基于正确的模型对齐方法，在少量domain数据的加持下，大模型能够表现出很好的性能。在大模型训练及部署成本不断降低的趋势下，大模型对于传统模型的替代可能会成为趋势，甚至很快就会到来，传统算法岗位势必受到冲击。

对算法工程师的影响

ChatGPT验证了AI强大的应用潜力，使得AI领域重新得到资本青睐，在整个行业重新得到认可的大背景下，算法工程师的潜在发展机会更多。

大模型降低了算法的使用门槛，很多传统的算法工作内容如文本生成、摘要、信息提取等，可以直接被一句prompt取代，使得传统算法工程师必须构建新的技术壁垒。在行业发展的大趋势之下，算法工程师需要了解和掌握大模型相关的技术，在大模型应用普及的初期进入行业，避免被淘汰。

以ChatGPT为代表的人工智能大语言模型的涌现，对世界的冲击力将大于蒸汽机，大于印刷术，大于文字，大于火，其进化速度和传播速度前所未有，终日沉浸其中才能理解其威力，世界结构和运作方式将彻底改变，而且已无法逆转……

传送门：打开

资源目录

——/计算机教程JTDLG（15号盘）/04-尚硅谷/026-尚硅谷AI大模型实战训练营-4周
├─01 第一课
│   ├─01_机器学习基本概念.mp4            104.02MB
│   ├─02_模型训练流程.mp4            98.6MB
│   ├─03_模型训练基本概念.mp4            100.76MB
│   ├─04_模型训练基本概念-激活函数与损失函数.mp4            81.17MB
│   └─Chapter01_深度学习基础.pdf            24MB
├─02 第二课
│   ├─01 分类器与评估指标.mp4            90.93MB
│   ├─02 第一次课间答疑.mp4            16.4MB
│   ├─03评估指标与经典模型.mp4            95.66MB
│   ├─04 第二次课间答疑.mp4            12.27MB
│   ├─05 seq2seq.mp4            29.61MB
│   ├─06 Transformer基本流程.mp4            48.06MB
│   ├─07 第三次课间答疑.mp4            31.86MB
│   ├─08 Transformer Encoder.mp4            80.47MB
│   ├─09 Transformer多头注意力机制.mp4            36.44MB
│   ├─Attention Is All You Need_unlocked.pdf            13.48MB
│   └─Chapter01_深度学习基础_unlocked.pdf            24.22MB
├─03 第三课
│   ├─01_Transformer Encoder.mp4            99.61MB
│   ├─02_1021第一次课间答疑.mp4            18.59MB
│   ├─03_Transformer Decoder.mp4            53.09MB
│   ├─04_BERT.mp4            44.62MB
│   ├─05_1021第二次课间答疑.mp4            5.65MB
│   ├─06_第三次课间答疑+BERT&T5+深度学习优化策略.mp4            62.37MB
│   ├─07_CUDA与GPU基本概念.mp4            29.22MB
│   ├─08_第四次课间答疑+GPU并行训练策略.mp4            75.42MB
│   └─课件&资料
│         ├─01-Chapter-01 深度学习基础_unlocked.pdf            22.39MB
│         ├─02-AutoDL使用文档_unlocked.pdf            14.09MB
│         └─03-拓展分享-BERT源码解析.pdf            12.88MB
├─04 第四课
│   ├─01_整体代码框架介绍+CPU训练代码讲解01.mp4            134.26MB
│   ├─02_第一次课间答疑.mp4            19.34MB
│   ├─03_CPU训练代码讲解02+BERT代码Debug01.mp4            185.59MB
│   ├─04_第二次答疑+BERT代码Debug02+多GPU训练代码讲解+Autodl使用及环境.mp4            228.24MB
│   ├─05_训练代码启动.mp4            21.48MB
│   ├─06_第三次答疑+智能对话系统概述+训练结果说明+重点总结[天下无鱼][s.mp4            86.36MB
│   └─课件&资料&代码
│         └─BertClassifier.zip            1.16GB
└─目录.txt            -1.#INDB