大模型LLMs很火，作为新生小白应该怎么入门 LLMs?是否有推荐的入门教程推荐？

很明显，这是一个偏学术方向的指南要求，所以我会把整个LLM应用的从数学到编程语言，从框架到常用模型的学习方法，给你捋一个通透。也可能是不爱学习的劝退文。

通常要达到熟练的进行LLM相关的学术研究与开发，至少你要准备 数学、编码、常用模型的知识，还有LLM相关的知识的准备。只有这些都熟练了，你才能快速阅读相关研究方向的论文，并且判断自己是不是可以在这个方向挖一下。

TL;DR

要求总结：

• 数学知识：线性代数、高数、概率、凸优化
• 开发语言：Python, C/C++
• 开发框架：Numpy/Pytorch/Tensorflow/Keras/Onnx
• 常用模型：MLP、CNN、RNN、Transformer（GPT-2、RWKV、Mamba、TTT）
• LLM相关：Prompt各种理论框架，RAG各种技术，FineTune的几种方法

好了，开始正式的劝退版吧。

数学是基础，但是对于研究生来讲可能又不是大问题。

通常数学对于毕业后的人来讲，需要简单的看一下，对于一个研究生一年级的人来讲不是问题。毕竟线性代数、高数、概率都是必考。只有凸优化这东西，可能是门需要自己再看一下的课程。

线性代数：关键概念包括向量、矩阵、特征值和特征向量。重要的公式涉及矩阵乘法、行列式以及特征值方程Av=λv，其中 A是矩阵，v 是特征向量，λ是特征值。

高数：基本是微分和积分，重点是理解极限、导数和积分的概念。函数 f(x) 在点 x的导数由f′(x)=limh→0 f(x+h)−f(x) 给出，基本微积分定理将微分与积分联系起来。

概率：关键点包括概率公理、条件概率、贝叶斯定理、随机变量和分布。例如，贝叶斯定理由P(A∣B)=P(B∣A)P(A)/P(B)给出，它帮助在发生B 的情况下更新 A 的概率。

凸优化：关注目标函数为凸函数的问题。关键概念包括凸集、凸函数、梯度下降和拉格朗日乘数。梯度下降更新规则可以表示为 xn+1 =xn −α∇f(xn )，其中 α是学习率。可能你需要在此努力一下。

编码，以前需要大量的时间，现在你只需要适应AI的Copilot

原来编码我要写一堆的，但是最近的AI告诉我，Cursor或者任意的AI大模型都可以指导你完成基本的编码工作了。

所以你只需要知道，自己需要下面这些知识就好了。

• 核心开发语言要掌握Python、C/C++。 如果你有更强烈的意愿，可以再去研究一下CUDA相关的知识。
• Numpy 主要是掌握各种数据的使用方法。
• Pytorch 与 Tensor、 Keras 就是完成各种网络及训练的方法。 Onnx就是有些模型是基于它的发布，你要会使用它来运行及分析这个模型。

但这些其实只需要你会问AI大模型就好了。

常用模型，这些可能是让你了解常识，面未来的突破就在历史

MLP、CNN、RNN的典型模型你可能要相对熟悉一点，我建议你自己手写一下。

建议是这些网络

• LeNet-5: 这是最早的卷积神经网络之一。
• AlexNet: AlexNet在ImageNet图像分类竞赛中表现优异，标志着深度学习的广泛应用。
• VGGNet: VGGNet以其深度和使用的小卷积核（3x3）而闻名，常用的模型有VGG16和VGG19。
• ResNet (Residual Networks): ResNet通过引入残差连接解决了深度网络中的梯度消失问题，最著名的版本是ResNet-50、ResNet-101。
• Long Short-Term Memory (LSTM):LSTM通过引入门控机制解决了标准RNN中的长期依赖问题，是处理序列数据的标准模型之一。
• Gated Recurrent Unit (GRU): GRU是LSTM的简化版本，具有类似的性能但计算效率更高。
• Bidirectional RNN: 这是RNN的一种变体，可以同时考虑序列中前后文信息，通常用于自然语言处理任务。

而新一些架构，可能你要看RWKV、Mamba、TTT这三个新架构，它们的潜力还是不错的。

 

 

 大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书 

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集***

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓