

首页  思维导图  详情



ai大模型学习图谱

2026-04-10 15:48:14   0  举报





AI智能生成

在AI大模型学习图谱的核心内容中，我们细致探究了机器学习模型的发展历程、关键构成、核心技术以及其在各行各业的应用案例。该图谱详细描绘了从浅层神经网络到深层神经网络的转变、从单一任务学习到迁移学习和多任务学习的进步，以及最新的自监督学习和强化学习方法。文件类型为教育型信息图表，这种形式使得复杂的信息可视化，便于学习者快速掌握知识架构。此外，图谱中还涵括了模型优化策略，比如正则化技术、参数调优和模型集成等。该图谱被特别修饰为「动态」，因为AI技术本身是不断演进的，随着新算法、新数据集和更强大计算力的出现，此图谱反映了学习模型的最新趋势和实践进步。此外，为了增加易用性，该图谱在设计上采用了清晰的分类标记、直观的图标和附有解释性说明的文字，让专业人士与初学者都能够快速掌握AI大模型的学习方法和应用场景。

软考

模版推荐

作者其他创作

大纲/内容

基础篇

学习目标

掌握大模型的基础和大模型的原理

掌握使用提示词工程和大模型的交互能力，提高模型的工作效率

pythony语言基础

python3入门

初识py

简介

历史

优缺点

应用领域

数据类型

整型

浮点型

复数

数据类型转换

常量

变量与关键字

变量

变量名称

语句

表达式

运算符和操作对象

什么是操作符和操作对象

算术运算符

比较运算符

赋值运算符

位运算符

逻辑运算符

成员运算符

身份运算符

运算符优先级

字符串操作

注释

列表与元组

通用序列操作

索引

分片

序列相加

乘法

成员资格

长度，最小值和最大值

列表

跟新列表

元素赋值

增加元素

删除元素

分片赋值

嵌套列表

列表方法

元组

tuple函数

元组的基本操作

访问元组

修改元组

删除元组

元组索引，截取

元组内置函数

列表与元组的区别

列表与元组的相互转化

字符串

字符串基本操作

字符串格式化

字符串格式化符号

字符串格式化元组

转换操作符

字符串方法

find()

join()

lower()

upper()

swapcase()

replace()

split()

strip()

translate()

字典

字典的使用

创建和使用字典

dict()

字典的基本操作

修改字典

删除字典元素

字典的特征

len()

type()

字典的格式化字符串

字典和列表的区别

字典方法

clear()

copy()

fromkeys()

get()

key in dict

items()

keys()

setDefault()

update()

values()

条件，循环和其他语句

代码编辑器的选择

import的使用

import语句

使用逗号引入

别样的赋值

序列解包

链式赋值

增量赋值

语句块

条件语句

布尔变量的作用

if 语句

else 子句

elif 子句

嵌套代码块

更多操作

同一性运算符

比较字符串和序列

布尔运算符

断言

循环

while循环

for循环

循环遍历字典元素

迭代工具

跳出循环

循环中的else子句

pass语句

函数

调用函数

定义函数

函数的参数

必须参数

关键参数

默认参数

可变参数

组合参数

执行流程

形参和实参

变量作用域

局部变量

全局变量

有返回值和无返回值的函数

为什么有函数

返回函数

递归函数

匿名函数

面向对象编程

理解面向对象

类的定义和使用

深入类

构造方法

访问权限

继承

多态

封装

多重继承

获取对象信息

使用type函数

使用isinstance函数

使用dir函数

类的专有方法

_str_

_iter_

_getitem_

_getattr_

_call_

异常与文件处理

异常

异常处理

抛出异常

捕捉多个异常

finally子句

异常与函数

异常中的else

使用一个块捕捉多个异常

异常与函数

文件操作

打开文件

文件模式

缓存

基本文件方法

读和写

读写行

关闭文件

文件重命名

删除文件

对文件内容进行迭代

按字节处理

按行处理

使用fileInput实现懒加载式迭代

文件迭代器

StringIO函数

序列化与反序列化

一般序列化与反序列化

json序列化与反序列化

5中数据类型

Number（数字）

int (有符号整型  10

Long (长整型    2192436L

float(浮点型  10.0

complex(复数   3.14e

String（字符串）

List(列表）

列表是有序的对象集合，字典是无序的对象集合。

Tuple（元组）

元组用 () 标识。内部元素用逗号隔开。但是元组不能二次赋值，相当于只读列表

Dictionary（字典）

字典当中的元素是通过键来存取的，而不是通过偏移存取

大模型的基础和原理

基础认知

人工智能和大模型的强势崛兴起

ai的发展历程

大模型和通用人工智能

大模型的认知和解析

通用人工智能的特征

大模型和通用人工智能的来联系

主流大模型的大模型应用产品

主流大模型简单介绍

deekseek

qwen2

GLM系列

LLama系列

GPT系列

CLaude

Gemini

GPT模型的发展历程

ChatGPT

国产大模型应用介绍

深度求索

通义千问

文心一言

智谱清言

大模型的行业赋能

医疗行业

政务和法律专业

重点行业检测

教育领域

大模型的趋势和挑战

核心原理

大模型和机器学习有什么不同

transformer架构解析

为什么用transformer架构

什么是transformer架构

大模型运行原理探究

大模型如何理解和表示单词

大模型处理单元

单元的远近亲疏关系

大模型词义的载体和表现特诊

大模型如何理解并预测输入的内容

注意力机制

自注意力机制

基于语义理解的内容生成

预训练，SFT,RLHF

预训练

SFT(Superivised Fine-tuning)

RLHF(Reinforcement Learning from Human Feedback)

prompt提示工程

提示词原理和进阶技巧

什么是提示词和提示词工程

Prompt Engineering 构成要素和技巧

Prompt Engineering 的调优和进阶技巧

Prompt Engineering  攻击与防范

提示词工程实战

会议纪要重点提取

短剧脚本生成

网络爆款文案生成

数据库查询SQL 语句生成

旅游行程定制系统

影视推荐助手

fastAPI

核心定义

Pydantic模块

基础类容

路径参数

路径参数和字符串校验

查询参数

查询参数和字符串校验

请求体

请求头字段

请求嵌套模型

cookie参数

header参数

响应模式

文件上传

基于FASTAPI+VUE的智能聊天系统

RAG应用实战

学习目标

掌握使用RAG来增强模型的回复

掌握如何使用工具去评估自己的RAG的效果

掌握使用LangChain来构建基于大模型的应用

掌握高级的RAG应用

RAG知识库开发

RAG分析

LLM的缺陷分析

RAG概念

RAG系统工作流程解析

Native RAG

知识库搭建

Embedding

Indexing

向量存储

提示词增强RAG设计

实战项目：利用RAG知识库实现智能AI系统

RAG评估

RAG使用效果评估

质量指标

上下文相关性

答案忠实度

答案相关性

能力指标

对噪声的鲁棒性

负面信息的排除能力

信息整合能力

面对假设情况的健壮性

评估工具

RAGG评估

TruLens评估

RAG开源应用解析

RAGFlow应用分析

FASTGPT应用分析

Dify应用分析

实战Dify实现数据库数据智能查询

Langchain框架开发实战

基础学习

LangChain介绍

LangChain基础使用

核心学习

LangChain模板和输出解析器

LLM and Chat models

Prompt templates 提示模板

少样本示例

格式化提示模板

组合提示

Example selectors 示例选择器

Output pasers 输出解析器

Tools工具

预制工具

自定义工具

Memory 记忆功能

多种内置链的介绍和使用

Memory 工具的使用

为链增加Memory

实践：多轮对话历史记录

数据检索

文档加载

文档切片

Vector stores 向量存储

Retrievers 检索

Chain 使用

LangChain 表达式语言 LCEL

LCEL  Runnable 接口使用

LCEL 进阶办法

LCEL 添加记忆功能

子主题

实战项目：RAG+LangChain实现智能问答系统

LangSmith

LangSmith 概念

主要功能

Prompt 调试与版本管理

Chain/Agent 执行流程可视化

输出质量监控

使用方法

本地接入（API key 配置)

在LangChain 代码中接入LangSmith

RAG进阶

RAG缺陷分析和优化

文档加载准确性和效率

文档切分的粒度

错过排名靠前的文档

提取上下文与答案无关

格式错误

答案不完整

为提取答案

答案太具体或者太笼统

幻觉问题

Advanced-RAG

Pre-Retrieval预检索

优化索引

摘要索引

父子索引

假设性问题索引

元数据索引

混合检索

查询优化

查询扩展

Post-Retrieval 后检索

RAG-Fusion

上下文压缩

GraphRAG

RAG回顾

基于向量的RAG(Vector RAG)

Graph RAG 核心

知识图谱建模（节点，关系，属性）

Neo4j 数据库基础操作

Cypher查询语句

Graph RAG 实现

LLM+Neo4j

Langchain+知识图谱

Agent智能体开发实战

学习目标

LlamaIndex 框架应用

Llama Index 初识

LlamaIndex介绍

LlamaIndex快速入门

什么是代理

工作流是什么？

Llama Index 基本概念

提示

加载

文档和节点

目录读取器

数据连接器

节点解释器

文本分割器

提取管道

索引

向量存储索引

属性图标索引

文件管理索引

元数据提取

存储

向量存储

文档存储

索引存储

键值存储

自定义存储

查询

查询引擎

聊天引擎

检索

节点后处理器

响应合成器

工作流

核心组件

定义工作流事件

设置工作流程类

工作流入口点

工作流程退出

绘制工作流程

全局上下文/状态协同

多事件等待

手动事情触发

人机协同

逐步执行

检查点工作流程

部署工作流

workflow管道

基本工作流

工作流分支与循环

状态维护

流媒体事件

并发执行

子类化工作流

嵌套工作流

可视化工作流

Qwen2.5-vl多模态

多模态基础

图像编码（ViT，CLIP)

文本-图像对齐

Qwen-VL介绍

llamanIndex+Qwen-VL 实现智能PDF 提取

Agent应用开发

Agents技术解析

Agents介绍

记忆功能

思考和规划

Agent工具

Agent框架介绍

Function Calling

介绍

简单理解

原理分析

原理解析

支持的国产模型介绍

调用外部Api

数据库操作

多 Function Calling 使用

Agent决策模型

ReAct框架

Plan-and-Execute 框架

Self-Ask 框架

实践：Agent 实现智能机器人

多Agent 系统

什么是多Agent?

AutoGen框架

CrewAi框架

LangGraph框架深度学习

LangGraph基础知识

初识LangGraph

什么是LangGraph

为什么用

LangChain和LangGraph区别

LangGraph 安装与使用

LangGraph基础知识与图形API

基础知识

状态

节点

边

图

图形API

Send发送

Command命令

interrupt 中断

Subgraphs子图

Streaming 流式处理机制

LangGraph核心能力

图形API

持久化

记忆

人机交互

状态管理

调用工具

LangGraph 多Agent 架构

Multi-agent

Agent Supervisor

Hierachical Agent Teams

多智能体交接

自定义管架构

预构建主管架构

LangGraph平台

平台介绍

部署LangChain项目

可视化Ai开发框架

扣子概述s

扣子功能

工作流

工作流和对话流区别

工作流节点

如何使用

插件

创建

知识库

分类和使用

知识库分段

scraper

提示词

设置，编写，调试

数据库

使用，创建，管理

音色

MCP 模型上下文协议

什么式MCP

原理

组成元素

主机Host

客户端Client

服务端Server

MCP 和Function Call 区别

应用场景

技术优势和行业价值

MCP 使用

MCP 实战教学

工具实战篇

学习目标

掌握Dify本地部署实现可视化和私有化的智能体应用（低代码）

使用大模型生成简历并分析

使用大模型去辅导学生学习

使用大模型去写短片脚本

AI 大模型进行视频创作

AI绘画

通过图片生成文字描述

网路视频分析描述

私有化微调进阶

学习目标

掌握大语言模型本地私有化部署

掌握如何进行大模型微调

掌握根据特定任务进行垂直领域的微调

掌握多模态模型图像视频的识别

开源语言模型

私有化大模型

国外开源模型介绍

LLAMA 系列模型私有化部署

Hugging Face 平台解析

vLLM 加速原理解释

OpenLLM应用实践

Ollama 架构解析

国内开源模型介绍

ChatGML模型解析

Qwen大模型解析

DeepSeek V3/R1 生态

开源模型评估

开源软件质量评估

开源项目应用适配角度评估

开源模型生态的评估

开源模型应用场景与局限性

医疗行业大模型分析

金融行业。。。

教育。。。

法律。。。

实战:ChatGLM大模型在OLlama上的本地部署

大模型微调

概念

微调？如何做

微调和RAG关系

微调技术要点与主流框架

选择合适模型

任务需求

模型性能

计算资源

数据模型与质量

可解释性与透明度

社区支持与生态

数据收集和清洗

数据清洗

数据增强

数据去重

合成数据生成

微调框架的选择

PyTorch框架

HuggingFace Transfornerss 工具

unsloth框架

unsloth框架介绍

生态优势

开箱可用与高度可定制化

实战  使用unsloth 微调LLama-3

PEFT参数高效微调

大模型量化实现

多模态模型

Ai大模型项目实战篇

子主题

 Collect

Get Started

AI大模型Agent平台架构图_Agent_大模型应用

 Collect

Get Started

AI学习路线（大连赵哥）

 Collect

Get Started

AI 大模型名词解释

 Collect

Get Started

AI、机器学习、深度学习、大模型的关系图





0 条评论

下一页