首页  思维导图  详情



 



大模型技术全栈课程体系大纲

2026-09-19 10:34:43   0  举报





仅支持查看

大模型技术全栈课程体系大纲

模板推荐

作者其他创作

大纲/内容

编程基础与工程工具

01 · Python 编程基础

模块一 · 开发环境与语言入门

1.1 计算机与编程语言

1.1.1 计算机基础

1.1.2 语言执行过程

1.2 Python 初识与环境搭建

1.2.1 版本与解释器

1.2.2 安装与 IDE

1.3 第一个程序与变量

1.3.1 程序与注释

1.3.2 变量与命名

模块二 · 数据类型与流程控制

2.1 数据类型与运算符

2.1.1 基础数据类型

2.1.2 编码与输入输出

2.1.3 运算符体系

2.2 分支结构

2.3 循环与分支进阶

2.3.1 分支进阶

2.3.2 while 循环

2.3.3 for 循环与跳转

模块三 · 容器类型

3.1 列表 list

3.1.1 列表基础

3.1.2 列表操作

3.2 字符串、元组、集合、字典

3.2.1 字符串

3.2.2 元组与集合

3.2.3 字典

模块四 · 函数与高级特性

4.1 函数基础

4.1.1 函数定义与调用

4.1.2 参数传递机制

4.2 函数进阶

4.2.1 参数高级用法

4.2.2 深浅拷贝

4.2.3 作用域与递归

模块五 · 面向对象编程

5.1 类与对象

5.1.1 文件操作

5.1.2 面向对象基础

5.1.3 属性与方法

5.2 封装、继承、多态

5.2.1 封装

5.2.2 继承

5.2.3 多态

模块六 · 异常与模块化

6.1 异常处理

6.1.1 异常处理机制

6.1.2 异常进阶

6.2 模块与包

6.2.1 模块导入

6.2.2 包与第三方库

6.2.3 迭代器

模块七 · 高级特性

7.1 生成器与装饰器

7.1.1 生成器

7.1.2 装饰器

7.2 并发编程

7.2.1 进程

7.2.2 线程

模块八 · 网络编程与综合案例

8.1 网络编程

8.1.2 UDP / TCP 编程

8.1.3 HTTP 与 Web

8.2 正则与 CMS 客户管理系统

8.2.1 正则表达式

8.2.2 CMS 客户管理系统

02 · 数据结构与算法

模块一 · 数据结构基础

1.1 复杂度分析

1.2 线性表

1.2.1 数组

1.2.2 链表

模块二 · 栈、队列与哈希表

2.1 栈与队列

2.2 哈希表

模块三 · 树与图

3.1 二叉树

3.2 图与查找

模块四 · 排序算法

4.1 简单排序

4.2 高级排序

模块五 · 算法思想

5.1 递归与分治

5.2 动态规划与贪心

03 · Linux 及 Shell

模块一 · Linux 系统入门

1.1 Linux 与系统安装

1.2 基础命令

1.3 用户与文件

模块二 · 高级命令与 Shell 编程

2.1 系统管理命令

2.2 Shell 脚本基础

2.3 Shell 流程控制

04 · MySQL

模块一 · 数据库基础与 DDL/DML

1.1 数据库入门

1.2 DDL 与 DML

1.3 运算符

模块二 · 数据类型与函数

2.1 数据类型

2.2 函数

模块三 · 窗口函数与多表查询

3.1 窗口函数

3.2 连接查询

3.3 分组与排序

3.4 子查询与 CTE

模块四 · 约束、事务与综合

4.1 约束

4.2 事务与用户管理

4.3 Python 与 MySQL

05 · Python 连接 MySQL 以及 Web 开发框架

模块一 · 协程与 FastAPI

1.1 协程

1.2 FastAPI 入门

1.3 SQLAlchemy ORM

06 · NumPy & Pandas

模块一 · 环境与 NumPy 基础

1.1 Anaconda 环境

1.2 NumPy 基础

1.3 NumPy 进阶

模块二 · Series 与 DataFrame

2.1 Series

2.2 DataFrame 基础

2.3 数据分析案例

模块三 · 数据合并与清洗

3.1 数据合并

3.2 缺失值与函数映射

3.3 分组与切分

模块四 · 透视表与可视化

4.1 透视表与日期

4.2 可视化

4.3 房价分析案例

07 · Git

模块一 · 版本控制与 Git 基础

1.1 版本控制概述

1.2 Git 本地操作

1.3 远程协作

08 · Docker

机器学习与深度学习

08 · 机器学习（含数学基础）

模块一 · 数学基础

1.1 微积分与梯度

1.1.1 导数

1.1.2 偏导与梯度

1.2 线性代数

1.2.1 向量与矩阵

1.2.2 矩阵求导

1.3 概率论

1.3.1 概率基础

1.3.2 贝叶斯与估计

模块二 · 机器学习概论与特征工程

2.1 机器学习概论

2.2 特征工程

2.2.1 特征选择

2.2.2 特征降维

2.3 建模流程

模块三 · 模型评估与求解

3.1 损失函数与拟合

3.1.1 损失与误差

3.1.2 拟合案例

3.1.3 正则化

3.2 模型求解算法

3.2.1 解析法与梯度下降

3.3 评价指标

3.3.1 回归指标

3.3.2 分类指标

模块四 · 分类与回归算法

4.1 KNN

4.1.1 原理与 API

4.1.2 特征转换

4.1.3 KNN 案例

4.2 线性回归

4.2.1 原理与实现

4.2.2 线性回归案例

4.3 逻辑回归

4.3.1 原理

4.3.2 案例

4.4 感知机

模块五 · 聚类

5.1 聚类算法

09 · 深度学习（含 PyTorch）

模块一 · 神经网络基础

1.1 深度学习与神经网络

1.1.1 深度学习概论

1.1.2 激活函数

1.2 神经网络的学习

1.2.1 损失函数

1.2.2 数值微分与梯度

1.2.3 手写数字识别案例

模块二 · 反向传播与优化

2.1 反向传播原理

2.1.1 计算图与链式法则

2.1.2 数值微分的瓶颈

2.2 反向传播实现

2.2.1 Affine 层与输出层

2.2.2 反向传播案例

2.3 梯度下降与优化器

2.3.1 梯度下降法

2.3.2 优化器进阶

2.3.3 梯度消失与爆炸

模块三 · 参数初始化与正则化

3.1 参数初始化

3.2 正则化

模块四 · PyTorch 基础

4.1 PyTorch 入门与张量

4.2 张量操作

4.2.1 索引与形状

4.2.2 张量计算与转换

4.3 自动微分

模块五 · PyTorch 深度学习

5.1 网络构建

5.1.1 层与函数

5.1.2 构建神经网络

5.2 训练与调优

5.2.1 线性回归案例

5.2.2 参数更新方法

5.2.3 设备与模型封装

5.3 损失函数与综合案例

5.3.1 损失函数

5.3.2 深度学习案例

模块六 · CNN 卷积神经网络

6.1 卷积层

6.2 池化层与深度 CNN

6.3 CNN 案例

模块七 · RNN 与 NLP 入门

7.1 NLP 与词嵌入

7.2 RNN

7.3 RNN 案例

自然语言处理与多模态

11 · NLP 自然语言处理

模块一 · NLP 导论与文本表示

1.1 NLP 导论

1.2 文本表示

1.2.1 分词

1.2.2 词表示

1.3 词向量进阶与 RNN 入门

1.3.1 词向量应用

1.3.2 RNN 基础

模块二 · RNN 实战

2.1 RNN 案例设计

2.2 RNN 案例预处理与训练

2.3 RNN 案例预测与评估

模块三 · LSTM 与 GRU

3.1 LSTM

3.1.1 原理

3.1.2 LSTM 案例

3.2 GRU

模块四 · Seq2Seq

4.1 Seq2Seq 原理

4.2 Seq2Seq 案例

4.2.1 数据与模型

4.2.2 训练与推理

模块五 · Attention 与 Transformer

5.1 Attention 机制

5.2 Transformer 编码器

5.3 Transformer 解码器与 API

5.4 Transformer 案例

模块六 · 预训练模型与 Hugging Face

6.1 预训练模型

6.1.1 概述与分类

6.1.2 GPT / BERT / T5

6.2 Hugging Face 生态

6.2.1 模型与分词器

6.2.2 Datasets 数据集

6.3 预训练模型案例

6.3.1 文本分类案例

6.3.2 对联生成案例

6.4 云服务器训练

26 · 多模态

模块一 · 视觉 Transformer 与 CLIP

1.1 ViT 视觉 Transformer

1.2 CLIP 图文对齐

1.3 ClipCap 图像描述

模块二 · 扩散模型

2.1 扩散模型基础

2.2 扩散模型数学原理

2.3 DALL·E 2

2.4 多模态总结

大模型核心原理

14 · 大模型概述

模块一 · 算力与硬件基础

1.1 算力基础

模块二 · 提示词与大模型调用

2.1 提示词工程

2.2 大模型应用范式

模块三 · 大模型全景与演进

3.1 分类与生态

21 · LLM 大语言模型

模块一 · GPT 与 LLM 架构

1.1 GPT 系列演进

1.2 LLM 核心组件

1.2.1 位置编码与注意力

1.2.2 前馈网络与激活函数

1.3 GPT-2 代码与 KV Cache

1.3.1 GPT-2 代码解读

1.3.2 KV Cache

1.4 Qwen3 介绍

模块二 · 微调原理与 SFT

2.1 Qwen3 与微调概述

2.2 SFT 监督微调

2.2.1 数据与模板

2.2.2 损失与训练

2.3 DPO 与显存优化

2.3.1 DPO 直接偏好优化

2.3.2 显存优化技术

2.4 分布式训练与量化

2.4.1 并行与 ZeRO

2.4.2 量化

模块三 · LoRA 与高效微调

3.1 SFT 参数与 TRL

3.2 LoRA

3.3 QLoRA 与 Unsloth

3.4 Accelerate 与 LLaMA-Factory

模块四 · 推理优化

4.1 推理服务与 vLLM

4.2 Continuous Batching

4.3 KV Cache 优化与执行优化

22 · 强化学习

模块一 · 强化学习基础与策略梯度

1.1 强化学习简介

1.2 策略梯度法

模块二 · PPO 与 GRPO

2.1 PPO

2.2 GRPO

2.3 RLHF

模块三 · PPO-RLHF 与 DeepSeek-R1

3.1 PPO-RLHF

3.2 DeepSeek-R1

大模型应用框架与智能体

16 · LangChain

模块一 · LangChain 入门与模型 I/O

1.1 LangChain 概述

1.2 模型调用

1.3 结构化输出与提示词

1.4 Chain 与 Runnable

1.5 RAG 入门

模块二 · RAG 与向量检索

2.1 文档解析

2.2 Embedding 与向量数据库

2.3 Milvus

模块三 · Agent 与 MCP

3.1 Agent

3.2 MCP 集成

模块四 · 持久化与中间件

4.1 Checkpointer 与摘要

4.2 中间件进阶

18 · LangGraph

模块一 · LangGraph 核心概念

1.1 入门与状态

1.2 Reducer 与状态恢复

1.3 底层执行机制

模块二 · 流式与控制流

2.1 节点高级特性

2.2 条件边与循环

2.3 create_agent

24 · Vibe Coding

模块一 · Vibe Coding 概述与工具

1.1 Vibe Coding 概念

1.2 核心工具

1.3 技巧与面试

29 · deepagents

模块一 · deepagents 串讲

1.1 概念与入门

1.2 子智能体与人机交互

1.3 后端与权限

模块二 · 深度搜索项目

2.1 项目架构

2.2 子智能体与 RAGFlow

低代码 Agent 平台开发与部署

15 · 低代码平台 Agent 开发与部署

模块一 · RAG 与平台基础

1.1 RAG 与知识库

1.2 本地模型与智能体概述

1.3 入门案例

模块二 · 智能体案例实战

2.1 Coze 案例：商品宣传视频

2.2 Dify 案例

2.3 分析类案例

模块三 · 营销卖点与 Python 调用

3.1 Coze 案例：商品营销卖点提炼

3.2 Python 调用工作流

模块四 · 企业级模型部署

4.1 部署规划

4.2 腾讯云 + Docker 部署

4.3 AutoDL + XInference 部署

企业级综合项目实战

10 · 智图寻宝（图像去噪 / 分类 / 相似检索）

模块一 · 项目概览与去噪模块

1.1 项目概览

1.2 去噪模块：知识储备

1.2.1 自编码器原理

1.2.2 自编码器案例

1.3 去噪模块：实现

模块二 · 分类模块

2.1 分类模块实现

2.2 去噪与分类最终实现

2.2.1 去噪模块最终实现

2.2.2 分类模块最终实现

模块三 · 相似检索模块

3.1 向量数据库与 Chroma

3.2 Chroma CRUD 与嵌入

3.3 相似检索最终实现

模块四 · Web 交付与项目串讲

4.1 Web 模块

4.2 项目串讲

12 · 智能商品发布（NLP 文本分类）

模块一 · 项目设计与训练

1.1 需求与工程

1.2 数据与训练

1.3 早停机制

模块二 · 优化与部署

2.1 训练优化

2.2 预测评估与部署

13 · 地址对齐（地址文本匹配）

模块一 · 项目实战

17 · 智能点餐系统

模块一 · 项目初始化与工具

模块二 · 流式输出

模块三 · FAQ 与 Redis

模块四 · FAQ 接口实现

19 · 掌柜智库（多模态知识库问答系统）

第一篇 · 导入业务：从文档到知识库

第 1 章 · 项目介绍与环境部署

1.1 项目概览与演示

1.2 环境与依赖部署

1.3 导入流程基础模块

第 2 章 · PDF 解析与 Markdown 转换

2.1 MinerU 解析引擎

2.2 PDF 转 Markdown 编码

第 3 章 · Markdown 图片处理

3.1 图片节点核心 process 方法

3.2 图片摘要与 VLM

3.3 图片上传与替换

第 4 章 · 文档切分

4.1 切分方案

4.2 切分与合并编码

第 5 章 · 商品名识别

5.1 商品名识别流程

5.2 嵌入与 Milvus 集成

第 6 章 · 向量化与入库

6.1 入 Milvus 库节点

6.2 商品名向量保存

6.3 chunks 批量嵌入

第 7 章 · 知识图谱构建

7.1 Neo4j 快速入门

7.2 知识图谱编码

7.3 多线程与前端对接

第二篇 · 查询业务：从问题到答案

第 8 章 · 查询基础设施

8.1 MongoDB 快速入门

8.2 Milvus 混合检索

第 9 章 · 商品名确认

9.1 商品名确认节点

9.2 过滤与评分

第 10 章 · 三路检索

10.1 向量检索

10.2 HyDE 检索

10.3 网络搜索

第 11 章 · 知识图谱查询

11.1 知识图谱查询编码

11.2 Neo4j 图遍历

11.3 图谱查询测试

第 12 章 · RRF 融合与 Rerank

12.1 RRF 融合

12.2 Rerank 重排序

第 13 章 · 答案生成与历史对话

13.1 答案生成节点

13.2 历史对话管理

13.3 全链路测试与前端对接

13.4 面试指南

20 · 掌柜问数（Text2SQL 智能问数系统）

第一篇 · 环境与基础设施

第 1 章 · 项目概览与环境

1.1 项目概述

1.2 元知识数据库

1.3 问数智能体

1.4 项目环境与配置管理

第 2 章 · 基础设施搭建

2.1 SQLAlchemy ORM

2.2 Embedding 与 Qdrant

2.3 Elasticsearch 全文检索

2.4 日志

第二篇 · 元数据知识库构建

第 3 章 · 元数据库构建脚本

3.1 脚本框架

3.2 三层架构与表格信息

3.3 字段与指标入库

第三篇 · 智能体工作流编排

第 4 章 · 召回节点

4.1 工作流与上下文

4.2 节点创建与召回

第 5 章 · 合并与 SQL 生成

5.1 合并召回信息

5.2 过滤与上下文

5.3 SQL 生成与执行

第四篇 · FastAPI 项目部署

第 6 章 · FastAPI 部署

6.1 路由与流式响应

6.2 生命周期与依赖注入

6.3 中间件

23 · 电商小二（多智能体电商客服）

第一篇 · 项目概览与基础设施

第 1 章 · 项目概览

第 2 章 · 开发环境

第 3 章 · 项目架构

第 4 章 · 基础设施

4.1 配置管理

4.2 基础设施组件

第二篇 · API 与领域模型

第 5 章 · API 层

5.1 接口开发

第 6 章 · Service 层

6.1 领域模型

6.2 DialogueState 对话状态

6.3 Repository

第三篇 · 对话引擎与流程编排

第 7 章 · DialogueRepository

7.1 序列化与反序列化

第 8 章 · DialogueEngine 与 TaskHandler 基础

8.1 对话引擎

8.2 TaskHandler 概述与 Flow 配置

第 9 章 · TaskHandler 消息处理

9.1 消息处理流程

9.2 CommandProcessor 与 FlowExecutor

第 10 章 · Flow 模型与 Command

10.1 Flow 模型

10.2 Command 定义解析

第 11 章 · CommandProcessor 与 ActionRunner

11.1 Command 处理

11.2 ActionRunner 内置 Action

11.3 Builder 与 FlowExecutor

第四篇 · 知识应答与轮次规划

第 12 章 · KnowledgeHandler

12.1 知识应答组件

第 13 章 · ChitChat 与 TurnPlanner

13.1 ChitChatHandler

13.2 TurnPlanner 轮次规划

13.3 DialogueEngine 核心逻辑

13.4 FastAPI 集成

25 · 知识库问数客服项目实战

模块一 · 掌柜问数实战（Text2SQL 复刻）

1.1 教育 / 旅游域

模块二 · 掌柜智库实战（GraphRAG 复刻）

2.1 听书域

2.2 教育域

2.3 旅游域

2.4 育儿域

模块三 · 掌柜小二实战（多智能体客服复刻）

27 · 知识库评估与优化与部署

模块一 · 应用模型部署

1.1 整体架构与选型

1.2 GPU 服务部署

1.3 应用部署

模块二 · 评估与优化

2.1 评估流程

2.2 优化排查

28 · 舆情分析系统

模块一 · 项目概览与架构

1.1 项目概览

1.2 整体架构

1.3 多 Agent 架构

1.4 引擎与通信设计

模块二 · 工程骨架

2.1 子功能点拆分

2.2 骨架与脚手架

2.3 事件总线

2.4 功能节点实现

模块三 · 引擎实现与部署

3.1 InsightEngine

3.2 MediaEngine

3.3 多引擎并行

3.4 QueryEngine

3.5 ForumEngine

3.6 ReportEngine

3.7 Docker 部署

 Collect

Get Started

课程体系-选择分类

 Collect

Get Started

架构图-全栈技术体系总体架构图

 Collect

Get Started

课程体系

 Collect

Get Started

新课程体系





0 条评论

下一页