终于能把火爆全球的大语言模型LLM学懂了！

大模型是指具有大规模参数和复杂计算结构的机器学习模型。

这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。

这些模型在不同的上下文中可能有不同的大小阈值。

例如，对于自然语言处理（NLP）领域，大模型可能指的是包含数十亿到千亿参数的模型，如GPT-3、GPT-4等。

对于计算机视觉领域，大模型可能是拥有数亿参数的深度卷积神经网络，如ResNet-152。

今天这篇文章主要是为了帮助大家系统性的学习大模型相关知识，从大模型的基础到大模型构建都包含在内。

Transformer基础

做为 LLM 的基础模型， Transformer 这个模型是入门绝对绕不开的。

《Natural Language Processing Practical using Transformers with Python》

这本书的代码都是进行了注释的，不仅可以让大家快速理解这些代码，还能知道实现的目的以及如何实现的。

这本书和普通的教程书不同的地方在于，每个章节都是实战项目,大家将跟随作者的脚步去学习和理解 Transformers 直到可以随心所欲地运用他。

这本书足足包含了 15个 Transformers 在 python 中的实战项目作者为了让初学者能更好的进行学习，作者在每个项目开始前都详细讲解了项目需要的环境和数据集注意事项，并且会带着你手把手进行项目实战，从建立模型到训练模型再到评估模型

《Transformers for Machine Learning》

这是第一本关于 Transformer 的综合性书籍，涵盖60多个Transformer架构和对应的知识及技巧。

可以满足大家在语音、文本、时间序列和计算机视觉等方向的需求，并且是从本科生的视觉出发撰写的，大家可以放心跟着学。

LLM教程书

《大语言模型》

这是一篇一年迭代过13次的大模型综述，GitHub星标已经达到了9.2k，由人民大学发布。

沉淀半年后在4月15号迎来了第14次迭代，这次人民大学直接发布了官方中文版书籍！

而且中文版并不只是简单的英译中，而是侧重于为大模型初学者提供全面的学框架和学习路线图，适合有深度学习基础的本科生和研究生学习。（可以说是专门为中国宝宝设计的）

在准备中文书的过程中，这本书的作者们广泛阅读了现有的经典论文、相关代码和教材，从中提炼出核心概念、主流算法与模型，并进行了系统性的组织与介绍。

每个章节的内容初稿都进行了多次修正，力求表达的清晰性与准确性。所以大家可以放心跟着学习！

《动手学大模型》

就在4月份上交大发布了动手学大模型教程，这份教程来自上海交大《人工智能安全技术》课程讲义拓展，教师是是张倬胜教授。

目的是通过简单实践，帮助大家 快速入门大模型，进行大模型设计和学术研究。

这份教程不仅提供了大模型的入门编程教学，每个部分还包含 详细教程和参考资料，非常适合新手学习。

教程内容包含以下方向：

• 微调与部署

• 提示学习与思维链

• 知识编辑

• 模型水印

• 大模型越狱攻击

• 多模态模型

• 大模型智能体与安全

《Generative AI with LangChain》

这本书会手把手带大家使用 LangChain 框架构建用于实际应用的大语言模型。

这本书的作者是拥有15年工作经验的全栈数据科学家ben，这本书发布于23年12月底，一发布就在外网收获很多好评。

大家可以看看这本书的目录，不仅包含生成式AI和LangChain的基本概念和工作原理，还涵盖了实际应用中的各种技术细节，（如API集成、本地模型、智能助手和聊天机器人的构建等。）

并且本书每章结尾都有总结和问题部分，可以帮助大家复习和巩固所学内容。

《Build a Large Language Model (From Scratch)》

虽然这是一本英文书、而且还没正式出版，但是他真的可以帮你使用python从零构建一个自己的大模型！

为了加强读者的动手能力，这本书主要使用的是 pytorch 框架，而不是依靠各种库。

通过这种方法，加上大量的图表和插图让大家可以彻底了解llm的工作原理。

大家了解过llm的应该都知道，大模型就意味着大算力，但是这本书的作者考虑到很多同学算力有限，所以这本书的一切操作都是可以在笔记本上实现的（而且不用花很长时间）。

这本书可以分为六个部分

论文

这些论文对大家研究大模型前沿技术和寻找论文idea都非常有帮助。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】