Datawhale大模型课程食用指南
输入“/”快速插入内容
Datawhale大模型课程食用指南
Datawhale大模型课程食用指南
2024年3月7日创建
10190
15467
22
4
🌐
本指南由 Datawhale成员 邹雨衡 & 长琴撰写
大模型练级路
大模型练级路.pdf
作为开发者，如何学习大模型
邹雨衡：作为开发者，如何学习大模型20240518(1).pdf
学习路径
画板
1.
课程导引
•
•
如果你已经具备了基本的 Python 能力
◦
如果你想快速了解如何使用 ChatGPT等大模型API 来赋能实际实践，推荐学习《HuggingLLM》（课程1）
◦
如果你想动手实践开源 LLM 的部署、微调全流程，推荐学习《Self LLM》（课程5）
◦
如果你有较充足的时间想全面入门 LLM 各方面内容，推荐学习《面向开发者的 LLM 入门教程》（课程2）
◦
如果你已经具备一定的 NLP 基础
▪
如果你想要从理论上全面学习 LLM，推荐学习《So Large LM》（课程3）
◦
如果你具备一定的 Python 开发经验
▪
如果你想快速入门如何使用 LLM API 开发自己的应用，推荐学习《LLM Universe》（课程4）
▪
如果你能熟练阅读和理解项目源代码
•
如果你想要学习如何实现 Agent，推荐学习《Hugging Multi-Agent》（课程6）
2.
Datawhale 大模型课程总览
序号 | 课程名 | 课程介绍 | 链接 |
1 | Hugging LLM | 介绍 ChatGPT 原理、使用和应用，聚焦于如何使用ChatGPT相关API创造新的功能和应用 | |
2 | 面向开发者的 LLM 入门课程 | 包括 Prompt Engineering、LangChain、Gradio 等内容，指导国内开发者如何基于 LLM 快速、高效开发具备强大能力的应用程序 | |
3 | So Large LM | 从理论层面介绍了大型语言模型的各个方面：从数据准备、模型构建到训练和评估，以及安全、隐私和环境影响等方面 | |
4 | LLM Universe | 面向小白开发者的大模型应用开发教程，旨在结合个人知识库助手项目，介绍大模型开发全流程 | |
5 | Self LLM | 针对国内初学者，针对各类开源大模型提供包括环境配置、本地部署、高效微调等技能在内的全流程指导 | |
6 | Hugging Multi-Agent | 从代码层面探索智能体的个性化开发，帮助读者掌握多智能体系统的核心概念，并提供一套全面的学习路径，从智能体的基础理解到复杂系统的实际开发 | |
7 | Agent Tutorial | 介绍如何使用 ModelScope Agent 开发一个智能助手，并探讨一些 Agent 的通用创作思路及应用展望（编写中） | |
8 | LLM Research | LLM 论文解读笔记仓库（编写中） | |
9 | 动手实现 LLM 中文版 | 《Build a Large Language Model (From Scratch)》中文版，如何从头开始实现 LLM（编写中） | |
10 | LLM Deploy | 关于模型/LLM推理和部署理论与实践 | |
11 | Hands on LLM | 动手实践大语言模型，HuggingLLM的进阶版，涉及模型架构、微调、推理、部署等 |
3.
具体课程介绍
已完成：
1.
a.
《ChatGPT 原理与应用开发》（蝴蝶书）原项目，Github Star 2.1K+，配套视频教程：https://b23.tv/hdnXn1L；纸质书：https://item.jd.com/14385698.html