AI大模型学习资料

AI大模型发展得如火如荼，可以遇见未来的千行百业都会被AI重塑，想要跟上AI科技发展的浪潮，唯有学习AI，认识AI，应用AI。于是整理了目前市面上关于AI大模型的学习资料，供你学习时选择适合自己的资料。遗憾的是书籍和课程笔者未全部看过(后续会继续分享AI实践、已阅书籍和学习课程的相关内容和经验)，不知道质量怎么样？如果涉及到费用请你务必详细甄别，谨防上当受骗，看好自己的钱袋子。有人买了某培训课后觉得课程不行，但退费无门，希望你不会遇到此糟心事。

1.免费资源

1.1.面向开发者的大模型手册

面向开发者的大模型手册，主打 LLM 全方位入门实践。本项目基于吴恩达老师大模型系列课程内容，对原课程内容进行筛选、翻译、复现和调优，覆盖从 Prompt Engineering 到 RAG 开发、模型微调的全部流程，用最适合国内学习者的方式，指导国内开发者如何学习、入门 LLM 相关项目。

本教程适用于所有具备基础 Python 能力，想要入门 LLM 的开发者。

GitHub地址：https://github.com/datawhalechina/llm-cookbook

在线阅读地址： https://datawhalechina.github.io/llm-cookbook/#/

项目star：9.6k

1.2.动手学大模型应用开发

本项目是一个面向小白开发者的大模型应用开发教程，旨在基于阿里云服务器，结合个人知识库助手项目，通过一个课程完成大模型开发的重点入门，主要内容包括：

1) 大模型简介，何为大模型、大模型特点是什么、LangChain 是什么，如何开发一个 LLM 应用，针对小白开发者的简单介绍。

2) 如何调用大模型 API，本节介绍了国内外知名大模型产品 API 的多种调用方式，包括调用原生 API、封装为 LangChain LLM、封装为 Fastapi 等调用方式，同时将包括百度文心、讯飞星火、智谱AI等多种大模型 API 进行了统一形式封装。

3) 知识库搭建，不同类型知识库文档的加载、处理，向量数据库的搭建。

4) 构建 RAG 应用，包括将 LLM 接入到 LangChain 构建检索问答链，使用 Streamlit 进行应用部署。

5) 验证迭代，大模型开发如何实现验证迭代，一般的评估方法有什么。

本项目对学习者的人工智能基础、算法基础没有任何要求，仅需要掌握基本 Python 语法、掌握初级 Python 开发技能即可。

GitHub地址： https://github.com/datawhalechina/llm-universe

在线阅读地址：https://datawhalechina.github.io/llm-universe/#/

项目star：2.6k

1.3.LearnPrompt

开源的 AIGC 课程, 目前已支持 ChatGPT, Midjourney, Runway, Stable Diffusion, AI数字人，AI声音&音乐，大模型微调。课程详情请访问在线阅读文档。

GitHub地址：https://github.com/LearnPrompt/LearnPrompt

在线阅读地址： https://www.learnprompt.pro/article/welcome

课程看起来不错，值得探索。

项目star：1.6k

1.4. 大模型理论基础

本项目旨在作为一个大规模预训练语言模型的教程，从数据准备、模型构建、训练策略到模型评估与改进，以及模型在安全、隐私、环境和法律道德方面的方面来提供开源知识。

项目将以斯坦福大学大规模语言模型课程和李宏毅生成式AI课程为基础，结合来自开源贡献者的补充和完善，以及对前沿大模型知识的及时更新，为读者提供较为全面而深入的理论知识和实践方法。通过对模型构建、训练、评估与改进等方面的系统性讲解，以及代码的实战。

本教程适合对人工智能和大模型感兴趣的人士或者相关从业者。

GitHub地址：https://github.com/datawhalechina/so-large-lm

在线阅读地址：https://datawhalechina.github.io/so-large-lm/#/

项目star：1k

1.5.清华 NLP X OpenBMB

大模型公开课｜带你从入门到实战

1.6. Langchain 中文文档

LangChain 是一个用于开发由语言模型驱动的应用程序的框架。它使得应用程序能够：

1)具有上下文感知能力：将语言模型连接到上下文来源（提示指令，少量的示例，需要回应的内容等）。

2)具有推理能力：依赖语言模型进行推理（根据提供的上下文如何回答，采取什么行动等）。

网站地址：https://www.langchain.com.cn/

1.7.向量数据库

1.7.1.Pinecone向量库中文文档

Pinecone是一个托管的、云原生的向量数据库，具有简单的API和无需基础架构的优势。

网站地址：https://www.pinecone-io.com/docs/intro

1.7.2.Milvus中文文档

Milvus是在2019年创建的，其唯一目标是存储、索引和管理由深度神经网络和其他机器学习（ML）模型生成的大规模嵌入向量。

作为一个专门设计用于处理输入向量查询的数据库，它能够处理万亿级别的向量索引。与现有的关系型数据库主要处理遵循预定义模式的结构化数据不同，Milvus从底层设计用于处理从非结构化数据转换而来的嵌入向量。

网站地址：https://www.milvus-io.com/

1.8.OpenAI中文开发文档

网站地址：https://www.openaidoc.com.cn/

2.书籍

由于AI大模型的发展日新月异，所以选取的书籍基本都是新近出版的，而且尽量在较新的书籍中选择豆瓣评分高的。

2.1.LangChain

李特丽：《LangChain入门指南：构建高可复用、可扩展的LLM应用程序》【2024出版】

李多多：《LangChain编程》【2024出版】

张海立：《LangChain实战：从原型到生产，动手打造 LLM 应用》【2024出版】

刘伟舟：《LangChain简明讲义：从0到1构建LLM应用程序》【2024出版】

2.2.AI大模型

张奇：《大规模语言模型：从理论到实践》【2024出版】

奥利维耶·卡埃朗：《大模型应用开发极简入门》【2024出版】

杨青：《大语言模型：原理与工程实践》【2024出版】

熊涛：《大语言模型：基础与前沿》【2024出版】

刘阳：《多模态大模型：新一代人工智能技术范式》【2024出版】

[法]丹尼斯·罗斯曼：《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理》【2024出版】

郝少春：《ChatGPT原理与应用开发》【2024出版】

王晓华：《从零开始大模型开发与微调：基于PyTorch与ChatGLM》【2023.11出版】

黄佳：《GPT图解大模型是怎样构建的》【2023.12出版】

尤洋：《实战AI大模型》【2023.11出版】

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

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。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉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。

👉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】🆓