深度学习科研方法论研修班推出大语言模型智能体（LLM Agents）5期课程，包含科研代码开发、环境配置、算法模型选择、实验设计与数据收集等实用内容，适合深度学习爱好者及研究者。
课程概述
深度学习科研方法论研修班倾力推出大语言模型智能体（LLM Agents）5期课程，旨在帮助学员掌握深度学习领域的最新技术和研究方法。
课程亮点
- 涵盖科研代码开发、环境配置、算法模型选择等实用技能
- 深入讲解实验设计与数据收集，提升科研效率
- 包含大语言模型微调、Prompt工程、大语言模型评估等前沿技术
课程内容
课程内容丰富，包括但不限于以下主题：
- 科研代码开发与环境配置
- 大语言模型基础
- 算法和模型选择
- 实验设计和数据收集
- 论文写作和结构学术
- 学术发表和学术生涯规划
适用人群
本课程适合深度学习爱好者、研究者以及希望提升科研能力的专业人士。
📂 资源目录
📁 【深度之眼】科研方法论研修班
t.png [493.5 KB]
【4月2日】第七节：论文写作和结构学术.mp4 [361.9 MB]
【3月21日】第四节：实验设计和数据收集.mp4 [468.1 MB]
【4月9日】第八节：论文讨论和贡献.mp4 [377.2 MB]
【4月18日】第十一节：老师点评、自我评价与答疑.mp4 [342.9 MB]
【3月26日】第五节：算法和模型选择.mp4 [293.4 MB]
【3月14日】第二节：研究主题选择和问题定义.mp4 [540.5 MB]
【3月19日】第三节：文献综述和相关工作.mp4 [500.4 MB]
【4月11日】第九节：论文修改和审稿反馈.mp4 [296.7 MB]
【4月16日】第十节：学术发表和学术生涯规划.mp4 [278.8 MB]
【3月12日】第一节：导论和学术科研概述.mp4 [452.0 MB]
【3月28日】第六节：实验实施和结果分析.mp4 [322.3 MB]
📁 深度之眼内部学员专属代码直播课（CV方向）
t.png [493.5 KB]
第8讲-模型的修改与设计.mp4 [670.2 MB]
第5讲-语义分割基础.mp4 [679.8 MB]
第1讲-CV基础框架.mp4 [368.3 MB]
第3讲-Transformer系列.mp4 [489.4 MB]
第4讲-目标检测初探.mp4 [526.3 MB]
第2讲-卷积神经网络.mp4 [373.7 MB]
第6讲-视觉生成模型.mp4 [406.3 MB]
第7讲-前沿论文复现.mp4 [534.9 MB]
📁 深度之眼内部学员专属代码直播课（NLP方向）
深度之眼内部学员专属代码直播课（NLP方向）资料.zip [1.8 MB]
第8讲-复现同行工作.mp4 [214.9 MB]
第3讲-大语言模型基础.mp4 [444.0 MB]
第9讲-科研代码开源规范.mp4 [202.1 MB]
第1讲-科研代码开发与环境配置.mp4 [540.0 MB]
第2讲-PyTorch 与 Transformer 基础.mp4 [318.2 MB]
第6讲-大语言模型的微调.mp4 [388.8 MB]
第5讲-构建 RAG 应用.mp4 [314.5 MB]
第10讲-LaTeX 语法 & Overleaf使用基础.mp4 [69.5 MB]
第7讲-大语言模型评估.mp4 [262.9 MB]
第4讲-Prompt 工程.mp4 [307.4 MB]