LLM开发工程师入行实战–从0到1开发轻量化私有大模型（高清同步）

试看链接

相关推荐

课程介绍

LLM大模型开发工程师已经成为各大公司争抢的战略性高薪人才，如果你想尽早入行，这门课程就是专为你设计的高效学习路径。课程从模型构建起步，手把手教你完成指令微调、高效数据集搭建、训练流水线搭建及模型知识蒸馏等关键任务。只要跟着教学安排，稳扎稳打，就能顺利训练出私有化、可压缩、可上线的轻量大模型。通过本课程的学习，助力你先人一步具备私有化模型开发实战能力，跃升成为高薪技术人才。

课程目录

第1章 LLM大模型工程师入门实战–课程导学

• 1-1 LLM开发工程师入门实战-课程导学

第2章 千里之行，始于足下：初识大语言模型

• 2-1 开启你的AI智慧之旅-本章导学

• 2-2 开启你的AI智慧之旅-初识大语言模型

• 2-3 开启你的AI智慧之旅-大语言模型擅长的事儿

• 2-4 开启你的AI智慧之旅-大语言模型的诞生过程

• 2-5 开启你的AI智慧之旅-从0到1构建大语言模型的意义

• 2-6 开启你的AI智慧之旅-大语言模型的局限性与挑战

• 2-7 开启你的AI智慧之旅-大语言模型的未来展望

第3章 工欲善其事，必先利其器：开发环境的搭建

• 3-1 开发环境搭建-导学

• 3-2 开发环境搭建-MiniConda安装与使用

• 3-3 开发环境搭建-使用pip命令安装依赖包

• 3-4 开发环境搭建-VsCode的配置

• 3-5 开发环境搭建-手攒超级计算机-硬件（自己够买硬件者选看）

• 3-6 开发环境搭建-Nvidia与CUDA关系及Linux下Nvidia驱动的安装（Linux下搭建环境者选看）

• 3-7 开发环境搭建-Windows下Nvidia驱动的安装（Windows下搭建环境者选看）

• 3-8 开发环境搭建-使用Docker搭建环境一（需要Docker搭建环境者选看）

• 3-9 打开发环境搭建-使用Docker搭建环境二（需要Docker搭建环境者选看）

• 3-10 开发环境搭建-申请阿里云的免费GPU和CPU资源（想使用阿里云服务者选看）

• 3-11 开发环境搭建-申请Kaggle的免费GPU和CPU资源（想使用Kaggle且有科学上网工具者选看）

• 3-12 开发环境搭建-申请Google的免费GPU和CPU资源（想使用Google云且有科学上网工具者选看）

第4章 牛刀小试：使用HuggingFace训练GPT-2

• 4-1 使用HuggingFace训练GPT2-导学

• 4-2 HuggingFace简介

• 4-3 使用HuggingFace训练GPT2-基本步骤

• 4-4 使用HuggingFace训练GPT2-实战（推荐）

• 4-5 使用HuggingFace训练GPT2-详解group_text的实现

• 4-6 使用HuggingFace训练GPT2-详解generate_terxt的实现

第5章 提高学习效率：驾驭LLM的对话艺术与工具（初学AI者选看）

• 5-1 提高工作效率-导学

• 5-2 提高工作效率工具-通义灵码与小浣熊

• 5-3 提高工作效率工具-Copilot

• 5-4 大语言模型助手-Kimi

• 5-5 大语言模型助手-NewBing

• 5-6 大语言模型助手-Gemini

• 5-7 大语言模型助手-Poe

• 5-8 大语言模型提示词（一）

• 5-9 大语言模型提示词（二）

• 5-10 大语言模型提示词（三）

• 5-11 大语言模型提示词（四）

• 5-12 大语言模型提示词（五）

• 5-13 本章小结

第6章 必知必会的基础知识：Python语言基础（没有Pytorh基础者选看）

• 6-1 Python语言基础知识-导学

• 6-2 Python语言基础知识-变量的定义与使用

• 6-3 Python语言基础知识-逻辑判断与优先级

• 6-4 Python语言基础知识-循环

• 6-5 Python语言基础知识-函数的定义与使用

• 6-6 Python语言基础知识-类与对象

• 6-7 Python语言基础知识-四种复合类型

• 6-8 Python语言基础知识-可变变量与不可变变量

• 6-9 Python语言基础知识-特有技术切片

• 6-10 Python语言基础知识-其它特有技术

• 6-11 Pythony语言基础知识-NumPy库的使用

• 6-12 Python语言基础知识-MatPlotLib库的使用

• 6-13 Python语言基础知识-本章小结

第7章 深度学习核心入门：洞悉AI的学习之道（无深度学习经验者选看）

• 7-1 深度学习核心入门-导学

• 7-2 深度学习核心入门-人工智能、机器学习与深度学习的关系

• 7-3 深度学习核心入门-神经元与神经网络

• 7-4 深度学习核心入门-监督学习与无监督学习

• 7-5 深度学习核心入门-数据集的划分

• 7-6 深度学习核心入门-过拟合、欠拟合与代价函数

• 7-7 深度学习核心入门-代价函数的意义

• 7-8 深度学习核心入门-梯度下降

• 7-9 深度学习核心入门-线性回归代价函数的导数

• 7-10 深度学习核心入门-学习率

• 7-11 深度学习核心入门-逻辑回归

• 7-12 深度学习核心入门-sigmoid激活函数

• 7-13 深度学习必备的基础知识-逻辑回归的代价函数

• 7-14 深度学习必备的基础知识-逻辑回归的梯度下降

• 7-15 深度学习必备的基础知识-逻辑回归代价函数关于w和b偏导后的公式证明

• 7-16 深度学习必备的基础知识-深度神经网络与前向传播

• 7-17 深度学习必备的基础知识-多种激活函数

• 7-18 深度学习必备的基础知识-反向传播与计算图

• 7-19 深度学习必备的基础知识-前向传播与反向传播的完整过程

第8章 掌握”炼丹术”：优化深度学习训练参数（无深度学习经验者选看）

• 8-1 优化深度学习训练参数-导学

• 8-2 深度神经网络参数优化-向量化与矩阵化

• 8-3 深度神经网络参数优化-L2正则化

• 8-4 深度神经网络参数优化-Dropout

• 8-5 深度神经网络参数优化-数据归一化处理

• 8-6 深度神经网络参数优化-初始化权重参数

• 8-7 深度神经网络参数优化-全批量梯度下降

• 8-8 深度神经网络参数优化-随机梯度下降与小批量梯度下降

• 8-9 深度神经网络参数优化-梯度参数调优

• 8-10 深度神经网络参数优化-BatchNormalization

第9章 【实战】手写字识别：第一个AI模型诞生记（无深度学习经验者选看）

• 9-1 [实战]手写字识别-导学

• 9-2 [实战]手写字识别- Pytorch的一点历史

• 9-3 [实战]手写字识别-Pytorch加载数据集

• 9-4 [实战]手写字识别-Pytorch导入训练数据和测试数据

• 9-5 [实战]手写字识别-构建手写字神经网络

• 9-6 [实战]手写字识别-Pytorch实现训练逻辑代码

• 9-7 [实战]手写字识别-Pytorch实现评估神经逻辑代码

• 9-8 [实战]手写字识别-Pytorch训练和评估神经网络

• 9-9 [实战]手写字识别-模型的保存部署与使用

• 9-10 [实战]手写字识别-训练参数调优