首頁載入中
LEARNING PATH / AI
大型語言模型的完整路線圖,分成兩條可以各自走完的路線:**LLM 科學家**(架構、預訓練、後訓練資料集、SFT、偏好對齊、評估、量化、新趨勢)與 **LLM 工程師**(執行模型、向量儲存、RAG、進階 RAG、agent、推論最佳化、部署、資安),另附一章選修的數學、Pyth…
外部課程內容來自 mlabonne/llm-course,Apache License 2.0, Copyright (c) Maxime Labonne。原文為英文,碼力獅提供中文翻譯與整理(翻譯課文、保留原文的參考資源連結、附上重點整理),非原作者的官方中文版。 原始來源 ↗
大型語言模型的完整路線圖,分成兩條可以各自走完的路線:**LLM 科學家**(架構、預訓練、後訓練資料集、SFT、偏好對齊、評估、量化、新趨勢)與 **LLM 工程師**(執行模型、向量儲存、RAG、進階 RAG、agent、推論最佳化、部署、資安),另附一章選修的數學、Python 與神經網路基礎。
Python 基礎語法,以及看得懂梯度、機率分布這類名詞的程度(不足的話第 2-5 課就是為此準備的,可以隨時回頭補)。科學家路線建議有一張消費級 GPU 或 Colab 帳號;工程師路線只需要一組 LLM API key,或在本機裝好 Ollama。
建議先讀過這幾門再開始;你還有 1 門沒完成。沒讀也進得去。
點單元進去閱讀,讀完在單元頁標記完成。
4 個章節 · 21 個單元
登入之後就看得到這門課的討論,也可以自己開一串。
還沒有人評價這門課。完成至少一個單元就可以在這裡評價。
同一個學院、同一個領域,或這條學習路徑上的下一站。
