从零到精通：2025年最全大模型学习资源

于 2025-04-27 18:11:46 发布
阅读量952 收藏 12
点赞数 20
分类专栏： 大模型 文章标签： 学习 大模型学习 大模型实战 大模型入门
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43688587/article/details/147566021
版权

从零到精通：2025年最全大模型学习资源

⬇️资源覆盖从入门到进阶的LLM学习需求，适合学生、开发者及研究者。入门推荐Karpathy和吴恩达的课程，易懂且系统；复习推荐Hinton、Kiela及清华大学课程，深入且具启发性。通过理论学习与实践结合，可全面掌握大模型的核心知识与应用技能。

1. 大学课程

斯坦福大学
  • CS25: Transformers United V5 (2025)

image

  • 内容：探讨Transformer最新突破，邀请Google DeepMind的Denny Zhou、OpenAI的Karina Nguyen、Hongyu Ren及Meta的Andrew Brown等讲者。
  • 形式：免费开放，现场旁听或Zoom直播（每周二太平洋夏令时间15:00-16:20，北京时间周三06:00-07:20），视频上传至YouTube。
  • 资源：https://web.stanford.edu/class/cs25/, 第一期视频：https://www.youtube.com/watch?v=JKbtWimlzAE
  • 评价：前沿性强，适合跟踪最新研究动态，适合中高级学习者。
  • CS25: Transformers United (往期)
    • V2 - Geoffrey Hinton: Representing Part-Whole Hierarchies：提出GLOM模型，增强Transformer视觉任务表现，探讨自注意力机制瓶颈。
      • 链接：https://www.youtube.com/watch?v=CYaju6aCMoQ
      • 评价：★★★★☆，适合复习Transformer理论局限及视觉领域扩展。
    • V2 - Andrej Karpathy: Introduction to Transformers：系统讲解自注意力、多头注意力及Vision Transformer。
      • 链接：https://www.youtube.com/watch?v=XfpMkf4rD6E
      • 评价：★★★★★，入门必看，简洁清晰，适合初学者快速掌握Transformer核心。
    • V3 - Douwe Kiela: Retrieval Augmented Language Models：深入RAG技术，分析其解决幻觉和时效性问题的潜力。
      • 链接：https://www.youtube.com/watch?v=mE7IDf2SmJg
      • 评价：★★★★☆，复习RAG的绝佳资源，适合有基础的学习者。
    • V4 - Jason Wei & Hyung Won Chung：探讨LLM直观理解、扩展律及Transformer多模态潜力。
      • 评价：内容深入，适合中高级学习者复习LLM理论。
  • CS224N: Natural Language Processing with Deep Learning
    • 内容：全面NLP课程，覆盖深度学习技术及LLM。
    • 链接：https://web.stanford.edu/class/cs224n/
    • 评价：系统性强，适合中高级学习者深入学习NLP。
  • CS324: Large Language Models
    • 内容：LLM进阶研究。
    • 链接：https://stanford-cs324.github.io/winter2022/
    • 评价：适合研究导向的学习者，内容偏学术。
卡内基梅隆大学
  • 11-711 ANLP: Advanced Natural Language Processing

image

  • 内容：涵盖语言模型、序列建模、Transformer、提示与微调，提供课件下载。
  • 链接：https://phontron.com/class/anlp2024/lectures/
  • 评价：内容全面，适合中高级学习者复习NLP核心技术。
其他大学
  • 普林斯顿 COS 597G (2022): Understanding Large Language Models
    • 链接：https://www.cs.princeton.edu/courses/archive/fall22/cos597G/
    • 评价：理论性强，适合学术研究者。
  • 约翰霍普金斯 CS 601.471/671: NLP: Self-supervised Models
    • 链接：https://self-supervised.cs.jhu.edu/sp2023/index.html
    • 评价：专注自监督学习，适合中高级学习者。
  • 滑铁卢大学 CS 886: Recent Advances on Foundation Models
    • 链接：https://cs.uwaterloo.ca/~wenhuche/teaching/cs886/
    • 评价：聚焦前沿基础模型，适合研究者。
  • 台湾大学 Introduction to Generative AI (2024)
    • 讲者：李宏毅
    • 链接：https://speech.ee.ntu.edu.tw/~hylee/genai/2024 spring.php
    • 评价：内容生动，适合中级学习者了解生成式AI。
  • 密歇根大学 LLMs and Transformers (2024)
    • 链接：https://www.ambujtewari.com/LLM-fall2024/
    • 评价：学术与实践结合，适合中高级学习者。

2. 在线课程与教程

DeepLearning.AI
  • Generative AI for Everyone (吴恩达)
    • 内容：生成式AI入门，介绍大模型概念与应用。
    • 链接：https://www.deeplearning.ai/courses/generative-ai-for-everyone/
    • 评价：★★★★☆，入门必看，通俗易懂，适合零基础学习者。
  • LLM Series (吴恩达)
    • 内容：全面LLM培训。
    • 链接：https://learn.deeplearning.ai/
    • 评价：内容丰富，适合中级学习者。
  • Getting Started with Mistral
    • 链接：https://www.deeplearning.ai/short-courses/getting-started-with-mistral/
    • 评价：实践性强，适合Mistral模型开发者。
  • Knowledge Graphs for RAG
    • 链接：https://www.deeplearning.ai/short-courses/knowledge-graphs-rag/
    • 评价：★★★★☆，复习RAG进阶应用的优质资源。
  • Multimodal RAG: Chat with Videos

image

  • 链接：https://www.deeplearning.ai/short-courses/multimodal-rag-chat-with-videos/
  • 评价：聚焦多模态RAG，适合中高级开发者。
OpenAI
  • OpenAI Academy

image

  • 内容：免费AI课程与社区，提供《提示词大师课》等，包含实时互动活动（仅英文）。
  • 链接：https://academy.openai.com/public/events
  • 评价：社区驱动，适合实践者与同行交流。
  • OpenAI Cookbook
    • 内容：OpenAI API使用示例。
    • 链接：https://github.com/openai/openai-cookbook
    • 评价：实用性强，适合API开发者。
Hugging Face
  • NLP Course
    • 内容：Transformer在NLP中的应用，包含代码示例。
    • 链接：https://huggingface.co/learn/nlp-course/chapter1/1
    • 评价：★★★★☆，入门必看，实践性强，适合有编程基础的初学者。
  • AI Agents Course
    • 链接：https://github.com/huggingface/agents-course
    • 评价：适合开发AI代理的实践者。
  • Hugging Face Learn
    • 链接：https://huggingface.co/learn
    • 评价：资源丰富，适合各阶段学习者。
微软
  • Generative AI for Beginners
    • 链接：https://github.com/microsoft/generative-ai-for-beginners
    • 评价：适合初学者，内容简洁。
  • State of GPT
    • 链接：https://www.youtube.com/watch?v=bZQun8Y4L2A
    • 评价：GPT技术概览，适合快速了解。
其他
  • Coursera: Prompt Engineering for ChatGPT
    • 链接：https://www.coursera.org/learn/prompt-engineering
    • 评价：提示工程入门，适合实践者。
  • Cohere LLM University
    • 链接：https://cohere.com/llmu
    • 评价：聚焦嵌入技术，适合开发者。
  • Weights & Biases AI Academy
    • 链接：https://www.wandb.courses/pages/w-b-courses
    • 评价：涵盖微调与LLMOps，适合中高级开发者。
  • Comet: LLM Evaluation
    • 链接：https://www.comet.com/site/llm-course/
    • 评价：LLM评估的系统课程，适合研究者。
  • Anthropic: Prompt Engineering Interactive Tutorial
    • 链接：https://github.com/anthropics/courses
    • 评价：交互式学习，适合提示工程实践。
  • Google: Generative AI for Developers
    • 链接：https://www.cloudskillsboost.google/paths/183
    • 评价：进阶开发者课程，内容深入。

3. 开源资源与教程

  • Andrej Karpathy
    • Neural Networks: Zero to Hero：神经网络与LLM系列。
      • 链接：https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ
      • 评价：★★★★★，入门与复习必看，理论实践兼备。
    • Build nanoGPT：从头构建GPT模型。
      • 链接：https://github.com/karpathy/build-nanogpt
      • 评价：实践性强，适合动手学习。
    • LLM101n: Let’s Build a Storyteller：LLM开发实践。
      • 链接：https://github.com/karpathy/LLM101n
      • 评价：适合中级开发者。
    • Deep Dive into LLMs like ChatGPT：LLM深入讲解。
      • 链接：https://www.youtube.com/watch?v=7xTGNNLPyMI
      • 评价：内容全面，适合复习。
  • Mistral AI Cookbook：Mistral模型使用指南。
    • 链接：https://github.com/mistralai/cookbook
    • 评价：适合Mistral开发者。
  • LangGPT：提示工程学习。
    • 链接：https://github.com/langgptai/LangGPT
    • 评价：提示工程实践资源。
  • LLMs From Scratch (Datawhale)：从零构建LLM。
    • 链接：https://github.com/datawhalechina/llms-from-scratch-cn
    • 评价：适合中文学习者实践。
  • Hands-on LLMs：金融顾问LLM开发。
    • 链接：https://github.com/iusztinpaul/hands-on-llms
    • 评价：应用驱动，适合开发者。
  • LLM Interview Notes：LLM面试技术准备。
    • 链接：https://github.com/wdndev/llm_interview_note
    • 评价：适合求职者。
  • LLM Technical Primer：LLM概念科普。
    • 链接：https://github.com/karminski/one-small-step
    • 评价：适合初学者快速了解。
  • LLMsBook：LLM资源集合。
    • 链接：https://github.com/liucongg/LLMsBook
    • 评价：资源全面，适合查阅。

4. 专题资源

  • RAG（检索增强生成）
    • ACL 2023 Tutorial：https://acl2023-retrieval-lm.github.io/
    • Learn RAG From Scratch：https://www.youtube.com/watch?v=sVcwVQRHIc8
    • RAG++: From POC to Production：https://www.wandb.courses/courses/rag-in-production
    • OpenRAG：https://openrag.notion.site/Open-RAG-c41b2a4dcdea4527a7c1cd998e763595
    • 评价：RAG是LLM应用热点，适合中高级学习者深入学习。
  • 扩散模型：
    • 讲义：https://www.dropbox.com/scl/fi/gmwhx7jfi2nvm8pudn5it/lecture_diffusion_models.pdf
    • 评价：适合生成模型研究者。
  • 视觉Transformer：
    • Smol Vision：https://github.com/merveenoyan/smol-vision
    • 评价：适合视觉模型开发者。
  • 交互式可视化：
    • Transformer Explainer：https://poloclub.github.io/transformer-explainer/
    • 评价：直观理解Transformer，适合初学者。

5. 社区与中文资源

  • 清华大学NLP公开课（刘知远团队）
    • 内容：大模型原理、微调及中文NLP应用。
    • 链接：https://www.bilibili.com/video/BV1UG411p7zv/
    • 评价：★★★★☆，中文学习者复习必看，内容本地化。
  • PromptEngineering.org：提示工程资源。
    • 链接：https://promptengineering.org/
    • 评价：适合实践者。
  • LLM Agents Course：LLM代理开发。
    • 链接：https://llmagents-learning.org/f24
    • 评价：适合前沿应用开发者。

入门与复习必看课程

入门必看

  1. Andrej Karpathy - Neural Networks: Zero to Hero
    • 理由：从零讲解神经网络到LLM，理论与代码结合，教学生动。
    • 适合：零基础或有编程背景的初学者。
    • 链接：https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ
  2. DeepLearning.AI - Generative AI for Everyone
    • 理由：吴恩达主讲，通俗易懂，适合非技术背景者快速了解AI。
    • 适合：完全零基础学习者。
    • 链接：https://www.deeplearning.ai/courses/generative-ai-for-everyone/
  3. Hugging Face - NLP Course
    • 理由：实践导向，结合Hugging Face工具，快速上手NLP任务。
    • 适合：有Python基础的初学者。
    • 链接：https://huggingface.co/learn/nlp-course/chapter1/1
  4. 斯坦福 CS25 V2 - Andrej Karpathy: Introduction to Transformers
    • 理由：40分钟精炼讲解Transformer核心，权威且清晰。
    • 适合：初学者快速掌握注意力机制。
    • 链接：https://www.youtube.com/watch?v=XfpMkf4rD6E

复习必看

  1. 斯坦福 CS25 V2 - Geoffrey Hinton: Representing Part-Whole Hierarchies
    • 理由：Hinton的GLOM模型提供Transformer局限性与未来方向的洞见。
    • 适合：有基础的学习者梳理理论。
    • 链接：https://www.youtube.com/watch?v=CYaju6aCMoQ
  2. 斯坦福 CS25 V3 - Douwe Kiela: Retrieval Augmented Language Models
    • 理由：系统讲解RAG，涵盖理论与最新架构，巩固应用知识。
    • 适合：熟悉Transformer的学习者。
    • 链接：https://www.youtube.com/watch?v=mE7IDf2SmJg
  3. 清华大学NLP公开课（刘知远团队）
    • 理由：中文讲解，覆盖大模型全貌及中文应用，适合本地化复习。
    • 适合：中文背景 Andrej Karpathy - Neural Networks: Zero to Hero
    • 理由：从零讲解神经网络到LLM，理论与代码结合，教学生动。
    • 适合：零基础或有编程背景的初学者。
    • 链接：https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ
  4. DeepLearning.AI - Generative AI for Everyone
    • 理由：吴恩达主讲，通俗易懂，适合非技术背景者快速了解AI。
    • 适合：完全零基础学习者。
    • 链接：https://www.deeplearning.ai/courses/generative-ai-for-everyone/
  5. Hugging Face - NLP Course
    • 理由：实践导向，结合Hugging Face工具，快速上手NLP任务。
    • 适合：有Python基础的初学者。
    • 链接：https://huggingface.co/learn/nlp-course/chapter1/1
  6. 斯坦福 CS25 V2 - Andrej Karpathy: Introduction to Transformers
    • 理由：40分钟精炼讲解Transformer核心，权威且清晰。
    • 适合：初学者快速掌握注意力机制。
    • 链接：https://www.youtube.com/watch?v=XfpMkf4rD6E

复习必看

  1. 斯坦福 CS25 V2 - Geoffrey Hinton: Representing Part-Whole Hierarchies
    • 理由：Hinton的GLOM模型提供Transformer局限性与未来方向的洞见。
    • 适合：有基础的学习者梳理理论。
    • 链接：https://www.youtube.com/watch?v=CYaju6aCMoQ
  2. 斯坦福 CS25 V3 - Douwe Kiela: Retrieval Augmented Language Models
    • 理由：系统讲解RAG，涵盖理论与最新架构，巩固应用知识。
    • 适合：熟悉Transformer的学习者。
    • 链接：https://www.youtube.com/watch?v=mE7IDf2SmJg
  3. 清华大学NLP公开课（刘知远团队）
    • 理由：中文讲解，覆盖大模型全貌及中文应用，适合本地化复习。
    • 适合：中文背景的学习者。
    • 链接：https://www.bilibili.com/video/BV1UG411p7zv/
  4. DeepLearning.AI - Knowledge Graphs for RAG
    • 理由：聚焦RAG进阶应用，理论与实践结合。
    • 适合：熟悉RAG的学习者。
    • 链接：https://www.deeplearning.ai/short-courses/knowledge-graphs-rag/

学习路径建议

入门路径（1-2个月）

  1. 概念入门：学习《Generative AI for Everyone》（1周），快速了解大模型全貌。
  2. Transformer基础：观看《Andrej Karpathy - Introduction to Transformers》（1天），掌握自注意力机制。
  3. 实践上手：通过《Hugging Face - NLP Course》训练简单模型（2-3周）。
  4. 深入代码：完成《Andrej Karpathy - Build nanoGPT》，从头实现GPT（2-3周）。

复习路径（1个月）

  1. 理论梳理：重温《Geoffrey Hinton - Representing Part-Whole Hierarchies》（1天），理解Transformer局限性。
  2. RAG巩固：学习《Douwe Kiela - Retrieval Augmented Language Models》和《Knowledge Graphs for RAG》（1-2周）。
  3. 中文视角：复习《清华大学NLP公开课》，梳理本地化应用（1周）。
  4. 前沿跟踪：关注CS25 V5最新讲座（https://web.stanford.edu/class/cs25/），了解2025年进展。

其他建议

  • 实践驱动：利用nanoGPT、LLMs From Scratch等项目进行开发实践。
  • 社区参与：加入OpenAI Academy或Hugging Face社区，与专家交流。
  • 持续学习：定期关注DeepLearning.AI、斯坦福CS25等平台更新。
{
   "target":"简单认识我"，
   "selfInfo":{
        "genInfo":"大厂面试官，中科院自动化所硕士（人工智能），从事数据闭环业务、RAG、Agent等，承担技术+平台的偏综合性角色。善于调研、总结和规划，善于统筹和协同，喜欢技术，喜欢阅读新技术和产品的文章与论文",
        "contactInfo":"abc061200x, v-adding disabled",
        "slogan"："简单、高效、做正确的事",
         "extInfo":"喜欢看电影、喜欢旅游、户外徒步、阅读和学习，不抽烟、不喝酒，无不良嗜好"
   } 
}

从零到精通：2025年最全大模型学习资源

⬇️资源覆盖从入门到进阶的LLM学习需求，适合学生、开发者及研究者。入门推荐Karpathy和吴恩达的课程，易懂且系统；复习推荐Hinton、Kiela及清华大学课程，深入且具启发性。通过理论学习与实践结合，可全面掌握大模型的核心知识与应用技能。

1. 大学课程

斯坦福大学
  • CS25: Transformers United V5 (2025)

image

  • 内容：探讨Transformer最新突破，邀请Google DeepMind的Denny Zhou、OpenAI的Karina Nguyen、Hongyu Ren及Meta的Andrew Brown等讲者。
  • 形式：免费开放，现场旁听或Zoom直播（每周二太平洋夏令时间15:00-16:20，北京时间周三06:00-07:20），视频上传至YouTube。
  • 资源：https://web.stanford.edu/class/cs25/, 第一期视频：https://www.youtube.com/watch?v=JKbtWimlzAE
  • 评价：前沿性强，适合跟踪最新研究动态，适合中高级学习者。
  • CS25: Transformers United (往期)
    • V2 - Geoffrey Hinton: Representing Part-Whole Hierarchies：提出GLOM模型，增强Transformer视觉任务表现，探讨自注意力机制瓶颈。
      • 链接：https://www.youtube.com/watch?v=CYaju6aCMoQ
      • 评价：★★★★☆，适合复习Transformer理论局限及视觉领域扩展。
    • V2 - Andrej Karpathy: Introduction to Transformers：系统讲解自注意力、多头注意力及Vision Transformer。
      • 链接：https://www.youtube.com/watch?v=XfpMkf4rD6E
      • 评价：★★★★★，入门必看，简洁清晰，适合初学者快速掌握Transformer核心。
    • V3 - Douwe Kiela: Retrieval Augmented Language Models：深入RAG技术，分析其解决幻觉和时效性问题的潜力。
      • 链接：https://www.youtube.com/watch?v=mE7IDf2SmJg
      • 评价：★★★★☆，复习RAG的绝佳资源，适合有基础的学习者。
    • V4 - Jason Wei & Hyung Won Chung：探讨LLM直观理解、扩展律及Transformer多模态潜力。
      • 评价：内容深入，适合中高级学习者复习LLM理论。
  • CS224N: Natural Language Processing with Deep Learning
    • 内容：全面NLP课程，覆盖深度学习技术及LLM。
    • 链接：https://web.stanford.edu/class/cs224n/
    • 评价：系统性强，适合中高级学习者深入学习NLP。
  • CS324: Large Language Models
    • 内容：LLM进阶研究。
    • 链接：https://stanford-cs324.github.io/winter2022/
    • 评价：适合研究导向的学习者，内容偏学术。
卡内基梅隆大学
  • 11-711 ANLP: Advanced Natural Language Processing

image

  • 内容：涵盖语言模型、序列建模、Transformer、提示与微调，提供课件下载。
  • 链接：https://phontron.com/class/anlp2024/lectures/
  • 评价：内容全面，适合中高级学习者复习NLP核心技术。
其他大学
  • 普林斯顿 COS 597G (2022): Understanding Large Language Models
    • 链接：https://www.cs.princeton.edu/courses/archive/fall22/cos597G/
    • 评价：理论性强，适合学术研究者。
  • 约翰霍普金斯 CS 601.471/671: NLP: Self-supervised Models
    • 链接：https://self-supervised.cs.jhu.edu/sp2023/index.html
    • 评价：专注自监督学习，适合中高级学习者。
  • 滑铁卢大学 CS 886: Recent Advances on Foundation Models
    • 链接：https://cs.uwaterloo.ca/~wenhuche/teaching/cs886/
    • 评价：聚焦前沿基础模型，适合研究者。
  • 台湾大学 Introduction to Generative AI (2024)
    • 讲者：李宏毅
    • 链接：https://speech.ee.ntu.edu.tw/~hylee/genai/2024 spring.php
    • 评价：内容生动，适合中级学习者了解生成式AI。
  • 密歇根大学 LLMs and Transformers (2024)
    • 链接：https://www.ambujtewari.com/LLM-fall2024/
    • 评价：学术与实践结合，适合中高级学习者。

2. 在线课程与教程

DeepLearning.AI
  • Generative AI for Everyone (吴恩达)
    • 内容：生成式AI入门，介绍大模型概念与应用。
    • 链接：https://www.deeplearning.ai/courses/generative-ai-for-everyone/
    • 评价：★★★★☆，入门必看，通俗易懂，适合零基础学习者。
  • LLM Series (吴恩达)
    • 内容：全面LLM培训。
    • 链接：https://learn.deeplearning.ai/
    • 评价：内容丰富，适合中级学习者。
  • Getting Started with Mistral
    • 链接：https://www.deeplearning.ai/short-courses/getting-started-with-mistral/
    • 评价：实践性强，适合Mistral模型开发者。
  • Knowledge Graphs for RAG
    • 链接：https://www.deeplearning.ai/short-courses/knowledge-graphs-rag/
    • 评价：★★★★☆，复习RAG进阶应用的优质资源。
  • Multimodal RAG: Chat with Videos

image

  • 链接：https://www.deeplearning.ai/short-courses/multimodal-rag-chat-with-videos/
  • 评价：聚焦多模态RAG，适合中高级开发者。
OpenAI
  • OpenAI Academy

image

  • 内容：免费AI课程与社区，提供《提示词大师课》等，包含实时互动活动（仅英文）。
  • 链接：https://academy.openai.com/public/events
  • 评价：社区驱动，适合实践者与同行交流。
  • OpenAI Cookbook
    • 内容：OpenAI API使用示例。
    • 链接：https://github.com/openai/openai-cookbook
    • 评价：实用性强，适合API开发者。
Hugging Face
  • NLP Course
    • 内容：Transformer在NLP中的应用，包含代码示例。
    • 链接：https://huggingface.co/learn/nlp-course/chapter1/1
    • 评价：★★★★☆，入门必看，实践性强，适合有编程基础的初学者。
  • AI Agents Course
    • 链接：https://github.com/huggingface/agents-course
    • 评价：适合开发AI代理的实践者。
  • Hugging Face Learn
    • 链接：https://huggingface.co/learn
    • 评价：资源丰富，适合各阶段学习者。
微软
  • Generative AI for Beginners
    • 链接：https://github.com/microsoft/generative-ai-for-beginners
    • 评价：适合初学者，内容简洁。
  • State of GPT
    • 链接：https://www.youtube.com/watch?v=bZQun8Y4L2A
    • 评价：GPT技术概览，适合快速了解。
其他
  • Coursera: Prompt Engineering for ChatGPT
    • 链接：https://www.coursera.org/learn/prompt-engineering
    • 评价：提示工程入门，适合实践者。
  • Cohere LLM University
    • 链接：https://cohere.com/llmu
    • 评价：聚焦嵌入技术，适合开发者。
  • Weights & Biases AI Academy
    • 链接：https://www.wandb.courses/pages/w-b-courses
    • 评价：涵盖微调与LLMOps，适合中高级开发者。
  • Comet: LLM Evaluation
    • 链接：https://www.comet.com/site/llm-course/
    • 评价：LLM评估的系统课程，适合研究者。
  • Anthropic: Prompt Engineering Interactive Tutorial
    • 链接：https://github.com/anthropics/courses
    • 评价：交互式学习，适合提示工程实践。
  • Google: Generative AI for Developers
    • 链接：https://www.cloudskillsboost.google/paths/183
    • 评价：进阶开发者课程，内容深入。

3. 开源资源与教程

  • Andrej Karpathy
    • Neural Networks: Zero to Hero：神经网络与LLM系列。
      • 链接：https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ
      • 评价：★★★★★，入门与复习必看，理论实践兼备。
    • Build nanoGPT：从头构建GPT模型。
      • 链接：https://github.com/karpathy/build-nanogpt
      • 评价：实践性强，适合动手学习。
    • LLM101n: Let’s Build a Storyteller：LLM开发实践。
      • 链接：https://github.com/karpathy/LLM101n
      • 评价：适合中级开发者。
    • Deep Dive into LLMs like ChatGPT：LLM深入讲解。
      • 链接：https://www.youtube.com/watch?v=7xTGNNLPyMI
      • 评价：内容全面，适合复习。
  • Mistral AI Cookbook：Mistral模型使用指南。
    • 链接：https://github.com/mistralai/cookbook
    • 评价：适合Mistral开发者。
  • LangGPT：提示工程学习。
    • 链接：https://github.com/langgptai/LangGPT
    • 评价：提示工程实践资源。
  • LLMs From Scratch (Datawhale)：从零构建LLM。
    • 链接：https://github.com/datawhalechina/llms-from-scratch-cn
    • 评价：适合中文学习者实践。
  • Hands-on LLMs：金融顾问LLM开发。
    • 链接：https://github.com/iusztinpaul/hands-on-llms
    • 评价：应用驱动，适合开发者。
  • LLM Interview Notes：LLM面试技术准备。
    • 链接：https://github.com/wdndev/llm_interview_note
    • 评价：适合求职者。
  • LLM Technical Primer：LLM概念科普。
    • 链接：https://github.com/karminski/one-small-step
    • 评价：适合初学者快速了解。
  • LLMsBook：LLM资源集合。
    • 链接：https://github.com/liucongg/LLMsBook
    • 评价：资源全面，适合查阅。

4. 专题资源

  • RAG（检索增强生成）
    • ACL 2023 Tutorial：https://acl2023-retrieval-lm.github.io/
    • Learn RAG From Scratch：https://www.youtube.com/watch?v=sVcwVQRHIc8
    • RAG++: From POC to Production：https://www.wandb.courses/courses/rag-in-production
    • OpenRAG：https://openrag.notion.site/Open-RAG-c41b2a4dcdea4527a7c1cd998e763595
    • 评价：RAG是LLM应用热点，适合中高级学习者深入学习。
  • 扩散模型：
    • 讲义：https://www.dropbox.com/scl/fi/gmwhx7jfi2nvm8pudn5it/lecture_diffusion_models.pdf
    • 评价：适合生成模型研究者。
  • 视觉Transformer：
    • Smol Vision：https://github.com/merveenoyan/smol-vision
    • 评价：适合视觉模型开发者。
  • 交互式可视化：
    • Transformer Explainer：https://poloclub.github.io/transformer-explainer/
    • 评价：直观理解Transformer，适合初学者。

5. 社区与中文资源

  • 清华大学NLP公开课（刘知远团队）
    • 内容：大模型原理、微调及中文NLP应用。
    • 链接：https://www.bilibili.com/video/BV1UG411p7zv/
    • 评价：★★★★☆，中文学习者复习必看，内容本地化。
  • PromptEngineering.org：提示工程资源。
    • 链接：https://promptengineering.org/
    • 评价：适合实践者。
  • LLM Agents Course：LLM代理开发。
    • 链接：https://llmagents-learning.org/f24
    • 评价：适合前沿应用开发者。

入门与复习必看课程

入门必看

  1. Andrej Karpathy - Neural Networks: Zero to Hero
    • 理由：从零讲解神经网络到LLM，理论与代码结合，教学生动。
    • 适合：零基础或有编程背景的初学者。
    • 链接：https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ
  2. DeepLearning.AI - Generative AI for Everyone
    • 理由：吴恩达主讲，通俗易懂，适合非技术背景者快速了解AI。
    • 适合：完全零基础学习者。
    • 链接：https://www.deeplearning.ai/courses/generative-ai-for-everyone/
  3. Hugging Face - NLP Course
    • 理由：实践导向，结合Hugging Face工具，快速上手NLP任务。
    • 适合：有Python基础的初学者。
    • 链接：https://huggingface.co/learn/nlp-course/chapter1/1
  4. 斯坦福 CS25 V2 - Andrej Karpathy: Introduction to Transformers
    • 理由：40分钟精炼讲解Transformer核心，权威且清晰。
    • 适合：初学者快速掌握注意力机制。
    • 链接：https://www.youtube.com/watch?v=XfpMkf4rD6E

复习必看

  1. 斯坦福 CS25 V2 - Geoffrey Hinton: Representing Part-Whole Hierarchies
    • 理由：Hinton的GLOM模型提供Transformer局限性与未来方向的洞见。
    • 适合：有基础的学习者梳理理论。
    • 链接：https://www.youtube.com/watch?v=CYaju6aCMoQ
  2. 斯坦福 CS25 V3 - Douwe Kiela: Retrieval Augmented Language Models
    • 理由：系统讲解RAG，涵盖理论与最新架构，巩固应用知识。
    • 适合：熟悉Transformer的学习者。
    • 链接：https://www.youtube.com/watch?v=mE7IDf2SmJg
  3. 清华大学NLP公开课（刘知远团队）
    • 理由：中文讲解，覆盖大模型全貌及中文应用，适合本地化复习。
    • 适合：中文背景 Andrej Karpathy - Neural Networks: Zero to Hero
    • 理由：从零讲解神经网络到LLM，理论与代码结合，教学生动。
    • 适合：零基础或有编程背景的初学者。
    • 链接：https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ
  4. DeepLearning.AI - Generative AI for Everyone
    • 理由：吴恩达主讲，通俗易懂，适合非技术背景者快速了解AI。
    • 适合：完全零基础学习者。
    • 链接：https://www.deeplearning.ai/courses/generative-ai-for-everyone/
  5. Hugging Face - NLP Course
    • 理由：实践导向，结合Hugging Face工具，快速上手NLP任务。
    • 适合：有Python基础的初学者。
    • 链接：https://huggingface.co/learn/nlp-course/chapter1/1
  6. 斯坦福 CS25 V2 - Andrej Karpathy: Introduction to Transformers
    • 理由：40分钟精炼讲解Transformer核心，权威且清晰。
    • 适合：初学者快速掌握注意力机制。
    • 链接：https://www.youtube.com/watch?v=XfpMkf4rD6E

复习必看

  1. 斯坦福 CS25 V2 - Geoffrey Hinton: Representing Part-Whole Hierarchies
    • 理由：Hinton的GLOM模型提供Transformer局限性与未来方向的洞见。
    • 适合：有基础的学习者梳理理论。
    • 链接：https://www.youtube.com/watch?v=CYaju6aCMoQ
  2. 斯坦福 CS25 V3 - Douwe Kiela: Retrieval Augmented Language Models
    • 理由：系统讲解RAG，涵盖理论与最新架构，巩固应用知识。
    • 适合：熟悉Transformer的学习者。
    • 链接：https://www.youtube.com/watch?v=mE7IDf2SmJg
  3. 清华大学NLP公开课（刘知远团队）
    • 理由：中文讲解，覆盖大模型全貌及中文应用，适合本地化复习。
    • 适合：中文背景的学习者。
    • 链接：https://www.bilibili.com/video/BV1UG411p7zv/
  4. DeepLearning.AI - Knowledge Graphs for RAG
    • 理由：聚焦RAG进阶应用，理论与实践结合。
    • 适合：熟悉RAG的学习者。
    • 链接：https://www.deeplearning.ai/short-courses/knowledge-graphs-rag/

学习路径建议

入门路径（1-2个月）

  1. 概念入门：学习《Generative AI for Everyone》（1周），快速了解大模型全貌。
  2. Transformer基础：观看《Andrej Karpathy - Introduction to Transformers》（1天），掌握自注意力机制。
  3. 实践上手：通过《Hugging Face - NLP Course》训练简单模型（2-3周）。
  4. 深入代码：完成《Andrej Karpathy - Build nanoGPT》，从头实现GPT（2-3周）。

复习路径（1个月）

  1. 理论梳理：重温《Geoffrey Hinton - Representing Part-Whole Hierarchies》（1天），理解Transformer局限性。
  2. RAG巩固：学习《Douwe Kiela - Retrieval Augmented Language Models》和《Knowledge Graphs for RAG》（1-2周）。
  3. 中文视角：复习《清华大学NLP公开课》，梳理本地化应用（1周）。
  4. 前沿跟踪：关注CS25 V5最新讲座（https://web.stanford.edu/class/cs25/），了解2025年进展。

其他建议

  • 实践驱动：利用nanoGPT、LLMs From Scratch等项目进行开发实践。
  • 社区参与：加入OpenAI Academy或Hugging Face社区，与专家交流。
  • 持续学习：定期关注DeepLearning.AI、斯坦福CS25等平台更新。
{
   "target":"简单认识我"，
   "selfInfo":{
        "genInfo":"大厂面试官，中科院自动化所硕士（人工智能），从事数据闭环业务、RAG、Agent等，承担技术+平台的偏综合性角色。善于调研、总结和规划，善于统筹和协同，喜欢技术，喜欢阅读新技术和产品的文章与论文",
        "contactInfo":"abc061200x, v-adding disabled",
        "slogan"："简单、高效、做正确的事",
         "extInfo":"喜欢看电影、喜欢旅游、户外徒步、阅读和学习，不抽烟、不喝酒，无不良嗜好"
   } 
}
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值