这是一份大模型入门手册！（附学习文档）

今年秋招，大模型相关的岗位开出的薪资都是比较高的，而且现在大模型尚未成熟落地，有很多机会

如果你想要从事算法相关的工作，大模型算法及应用无疑是一个比较好的选择

很多同学学习大模型的过程中，可能会比较迷茫，这是因为缺乏清晰的学习路线

这一期主要是给大家分享一个系统的大模型入门手册，内容不多但都是精华

大模型入门手册的具体内容如下：主要分为六个部分

下面具体来介绍一下每个部分的内容：

第一章：深度学习基础知识 (难度**)

Transformer是现在大模型的底层框架，现在各种大模型主要还是基于Transformer架构做一些改动，除了Transformer，还需要学习一些神经网络的基础内容，比如BN和LN，优化器的对比等,这一部分比之前学习的深度学习入门内容还是难一点的

第二章：自然语言处理基础知识 （难度***）

NLP的基础知识对于学习LLM也是必要的，比如了解分词器，还有现在经典的NLP模型，比如Bert模型，Bert模型的提出，让大家看到大模型可以采用预训练和微调这样一个训练范式，最后是自然语言处理任务的评估指标困惑度

第三章：大语言模型基础知识 （难度****）

这部分的内容包括大模型训练框架，比如Megatron-LM, DeepSpeed, 高效参数微调的方法，当前主流的开源大模型，RLHF流程的介绍，COT和TOT的介绍，监督微调的训练，最后是混合专家模型MOE

第四章：大语言模型推理 （难度***）

上一章训练好模型之后，大模型输出结果就是推理的过程。介绍huggingface推理参数，推理过程中KVCache，还有LLM推理需要的成本代价，推理的速度和代价是影响实际应用的两个主要因素

第五章：大语言模型应用（难度***）

不同大模型的数据格式，API接口等都不一样，可以通过Langchain来统一管理这些，支持大模型的统一化调用，支持便捷的prompt模版设置，还有智能体的高阶应用，建议结合相关视频教程来学习langchain

第六章：大语言模型前沿（难度***）

这一部分主要是介绍LLM相关的博客，大模型现在发展太快了，可以通过博客等方式主动学习，以及关注前沿的顶会论文，这部分内容比较少，可以后期自己补充总结

上面的内容还是比较难的，第一次学习的同学可以多看几次，一定会有不同的认识和理解，对于困难的东西，多看几次多听几次多做几次，基本上都能有一个提升

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

作为一名老互联网人，看着AI越来越火，也总想为大家做点啥。干脆把我这几年整理的AI大模型干货全拿出来了。
包括入门指南、学习路径图、精选书籍、视频课，还有我录的一些实战讲解。全部免费，不搞虚的。
学习从来都是自己的事，我能做的就是帮你把路铺平一点。资料都放在下面了，有需要的直接拿，能用到多少就看你自己了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以点击文章最下方的VX名片免费领取【保真100%】