大模型训练数据的收集方式，以后企业最重要的资产不是厂房而是数据

“ 大模型的本质，是一种能够处理特定类型任务的数学模型**”**

现在大模型可以说是人工智能的代表，但目前的大模型还只是一种基于数学逼近算法的概率统计模型。

因此，其需要大量的训练数据来让模型学习，找到其中的规律，然后就有了大模型。因此，也间接说明了训练数据的重要性。

那么应该怎么收集训练数据呢？

01.收集训练数据的渠道

马云说：“二十一世纪是大数据时代，数据是一家企业最重要的生产资料”。

而在人工智能时代来临的时候，数据果然成了重要的生成资料。大模型的训练成了实现人工智能的主要途径，而数据的收集也成了重中之重。

其实，说到底数据的来源无非有两种，第一种是自己的数据，第二种是别人的数据。

但对很多企业来说，自身的数据还不足以维持大模型的训练；因此数据的收集主要集中在别人的数据上。

而别人的数据又分为几种情况，第一种是人家的企业内部数据；第二种是网络上公开的数据。

人工智能聊天小程序，感兴趣的可以点击查看：

因此根据以上情况，收集数据的渠道无非以下几种：

第一种在自己企业内部收集数据，比如多年来的企业经营的数据等。

第二种是收集网络上公开的数据，但网络上公开的数据有的可以收集有的还是需要别人的同意才行。

比如，弱智吧的数据，抖音，公众号，小红书等的内容数据；这些数据虽然网上都可以看得到，但你不能直接使用。

第三种是收集人家企业内部的数据，比如某某公司的运营数据等。

02.数据的收集方式

在前面说了数据的重要性，以及数据的收集渠道，这里讲一下收集数据的方式。

为什么要讲这个？

是因为不同的数据有不同的收集方式，如果使用错误的方法很可能造成违规操作，给企业带来损失，严重的甚至会去吃皇粮。

第一种数据收集渠道，最简单，成本最低，风险也最低。

因为所有的东西都是自己的，然后自己想怎么用就怎么用，只要别做违法的事情，那么就可以合理的利用。

第二种收集别人的数据，就需要注意了。一些公网上的公开数据，企业可以通过爬虫去获取，这个合理合法。

但如果你用爬虫爬取其它企业的内部数据，或者导致人家的系统瘫痪，那么就是爬虫写的好，皇粮少不了。

还有一种就是购买别人的数据，但购买别人的数据也不是可以随便买。比如，企业的一些经营数据可以买，但如果涉及到用户信息和隐私，那么不论是买数据的还是卖数据的，都会去喝茶。

最后人工智能时代，机器学习的技术很重要，但数据处理的技术也同样重要。没有数据，再强大的机器学习模型也没有用武之地。

因此，人工智能时代，参与的不一定是懂得机器学习的，也需要懂得大数据处理技术，和前后端开发技术。因此，技术的根本价值在于使用，技术很重要，但技术的应用更重要。

这就类似于，美国的人工智能技术强，中国的人工智能应用强。

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】