荐
你将获得
- 突破 DeepSeek-R1 五大认知误区
- 解析 DeepSeek 发展始末与重大贡献
- 论文领读，还原 DeepSeek-R1 技术思路
- 洞察先机，DeepSeek-R1 场景机会、技术分享与展望
讲师介绍
主要研究方向为大模型训练及落地应用、知识图谱构建与 RAG 增强问答、多模态文档理解，目前申请发明专利十余项、论文数篇，近年来在 0GB-Wikikg2、CCKS 多模态实体对齐、ICPR 等国内外评测中获得多项冠亚军。开源项目 70 余项，具有广泛影响力。
课程介绍
前不久 DeepSeek-R1 正式发布，并同步开源模型权重，在数学、代码、自然语言推理等任务上，性能比肩 OpenAI-o1 正式版。
于是我们开设了这门前沿课程，邀请与你探讨以下话题，希望可以为你揭开 DeepSeek-R1 的神秘面纱。
- 如何从论文里了解一手信息，研习 R1 模型的技术思路。
- Deepseek R1 类推理大模型和之前的模型有何区别？
- R1 模型的优点和缺点有哪些？
- R1 模型的场景机会、技术风险是什么？
- DeepSeek R1 卡顿问题如何解决，如何部署？
- DeepSeek R1 搭建 RAG 知识问答如何实现？
- ……
PS：课程形式为视频课，不提供课件、代码。
课程目录
