从零到精通：2026年入门大模型学习资源推荐

大模型开发
180 阅读9分钟

本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在这里。

⬇️资源覆盖从入门到进阶的LLM学习需求，适合学生、开发者及研究者。入门推荐Karpathy和吴恩达的课程，易懂且系统；复习推荐Hinton、Kiela及清华大学课程，深入且具启发性。通过理论学习与实践结合，可全面掌握大模型的核心知识与应用技能。

1. 大学课程

斯坦福大学

  • CS25: Transformers United V5 (2025)

  • 内容：探讨Transformer最新突破，邀请Google DeepMind的Denny Zhou、OpenAI的Karina Nguyen、Hongyu Ren及Meta的Andrew Brown等讲者。
  • 形式：免费开放，现场旁听或Zoom直播（每周二太平洋夏令时间15:00-16:20，北京时间周三06:00-07:20），视频上传至YouTube。
  • 资源：web.stanford.edu/class/cs25/, 第一期视频：www.youtube.com/watch?v=JKb…
  • 评价：前沿性强，适合跟踪最新研究动态，适合中高级学习者。
  • CS25: Transformers United (往期)
  • 评价：内容深入，适合中高级学习者复习LLM理论。
  • 链接：www.youtube.com/watch?v=mE7…
  • 评价：★★★★☆，复习RAG的绝佳资源，适合有基础的学习者。
  • 链接：www.youtube.com/watch?v=Xfp…
  • 评价：★★★★★，入门必看，简洁清晰，适合初学者快速掌握Transformer核心。
  • 链接：www.youtube.com/watch?v=CYa…
  • 评价：★★★★☆，适合复习Transformer理论局限及视觉领域扩展。
  • V2 - Geoffrey Hinton: Representing Part-Whole Hierarchies：提出GLOM模型，增强Transformer视觉任务表现，探讨自注意力机制瓶颈。
  • V2 - Andrej Karpathy: Introduction to Transformers：系统讲解自注意力、多头注意力及Vision Transformer。
  • V3 - Douwe Kiela: Retrieval Augmented Language Models：深入RAG技术，分析其解决幻觉和时效性问题的潜力。
  • V4 - Jason Wei & Hyung Won Chung：探讨LLM直观理解、扩展律及Transformer多模态潜力。
  • CS224N: Natural Language Processing with Deep Learning
  • 内容：全面NLP课程，覆盖深度学习技术及LLM。
  • 链接：web.stanford.edu/class/cs224…
  • 评价：系统性强，适合中高级学习者深入学习NLP。
  • CS324: Large Language Models

卡内基梅隆大学

  • 11-711 ANLP: Advanced Natural Language Processing

  • 内容：涵盖语言模型、序列建模、Transformer、提示与微调，提供课件下载。
  • 链接：phontron.com/class/anlp2…
  • 评价：内容全面，适合中高级学习者复习NLP核心技术。

其他大学

  • 普林斯顿 COS 597G (2022): Understanding Large Language Models
  • 约翰霍普金斯 CS 601.471/671: NLP: Self-supervised Models
  • 滑铁卢大学 CS 886: Recent Advances on Foundation Models
  • 台湾大学 Introduction to Generative AI (2024)
  • 密歇根大学 LLMs and Transformers (2024)

2. 在线课程与教程

DeepLearning.AI

  • Generative AI for Everyone (吴恩达)
  • 内容：生成式AI入门，介绍大模型概念与应用。
  • 链接：www.deeplearning.ai/courses/gen…
  • 评价：★★★★☆，入门必看，通俗易懂，适合零基础学习者。
  • LLM Series (吴恩达)
  • 内容：全面LLM培训。
  • 链接：learn.deeplearning.ai/
  • 评价：内容丰富，适合中级学习者。
  • Getting Started with Mistral
  • Knowledge Graphs for RAG
  • Multimodal RAG: Chat with Videos

OpenAI

  • OpenAI Academy

  • 内容：免费AI课程与社区，提供《提示词大师课》等，包含实时互动活动（仅英文）。
  • 链接：academy.openai.com/public/even…
  • 评价：社区驱动，适合实践者与同行交流。
  • OpenAI Cookbook

Hugging Face

  • NLP Course
  • 内容：Transformer在NLP中的应用，包含代码示例。
  • 链接：huggingface.co/learn/nlp-c…
  • 评价：★★★★☆，入门必看，实践性强，适合有编程基础的初学者。
  • AI Agents Course
  • Hugging Face Learn

微软

  • Generative AI for Beginners
  • State of GPT

其他

  • Coursera: Prompt Engineering for ChatGPT
  • Cohere LLM University
  • 链接：cohere.com/llmu
  • 评价：聚焦嵌入技术，适合开发者。
  • Weights & Biases AI Academy
  • Comet: LLM Evaluation
  • Anthropic: Prompt Engineering Interactive Tutorial
  • Google: Generative AI for Developers

3. 开源资源与教程

  • Andrej Karpathy
  • 链接：www.youtube.com/watch?v=7xT…
  • 评价：内容全面，适合复习。
  • 链接：github.com/karpathy/LL…
  • 评价：适合中级开发者。
  • 链接：github.com/karpathy/bu…
  • 评价：实践性强，适合动手学习。
  • 链接：www.youtube.com/playlist?li…
  • 评价：★★★★★，入门与复习必看，理论实践兼备。
  • Neural Networks: Zero to Hero：神经网络与LLM系列。
  • Build nanoGPT：从头构建GPT模型。
  • LLM101n: Let’s Build a Storyteller：LLM开发实践。
  • Deep Dive into LLMs like ChatGPT：LLM深入讲解。
  • Mistral AI Cookbook：Mistral模型使用指南。
  • LangGPT：提示工程学习。
  • LLMs From Scratch (Datawhale)：从零构建LLM。
  • Hands-on LLMs：金融顾问LLM开发。
  • LLM Interview Notes：LLM面试技术准备。
  • LLM Technical Primer：LLM概念科普。
  • LLMsBook：LLM资源集合。

4. 专题资源

  • RAG（检索增强生成）
  • 扩散模型：
  • 视觉Transformer：
  • 交互式可视化：

5. 社区与中文资源

  • 清华大学NLP公开课（刘知远团队）
  • 内容：大模型原理、微调及中文NLP应用。
  • 链接：www.bilibili.com/video/BV1UG…
  • 评价：★★★★☆，中文学习者复习必看，内容本地化。
  • PromptEngineering.org：提示工程资源。
  • LLM Agents Course：LLM代理开发。

入门与复习必看课程

入门必看

  1. Andrej Karpathy - Neural Networks: Zero to Hero
  • 理由：从零讲解神经网络到LLM，理论与代码结合，教学生动。
  • 适合：零基础或有编程背景的初学者。
  • 链接：www.youtube.com/playlist?li…
  1. DeepLearning.AI - Generative AI for Everyone
  1. Hugging Face - NLP Course
  • 理由：实践导向，结合Hugging Face工具，快速上手NLP任务。
  • 适合：有Python基础的初学者。
  • 链接：huggingface.co/learn/nlp-c…
  1. 斯坦福 CS25 V2 - Andrej Karpathy: Introduction to Transformers
  • 理由：40分钟精炼讲解Transformer核心，权威且清晰。
  • 适合：初学者快速掌握注意力机制。
  • 链接：www.youtube.com/watch?v=Xfp…

复习必看

  1. 斯坦福 CS25 V2 - Geoffrey Hinton: Representing Part-Whole Hierarchies
  • 理由：Hinton的GLOM模型提供Transformer局限性与未来方向的洞见。
  • 适合：有基础的学习者梳理理论。
  • 链接：www.youtube.com/watch?v=CYa…
  1. 斯坦福 CS25 V3 - Douwe Kiela: Retrieval Augmented Language Models
  • 理由：系统讲解RAG，涵盖理论与最新架构，巩固应用知识。
  • 适合：熟悉Transformer的学习者。
  • 链接：www.youtube.com/watch?v=mE7…
  1. 清华大学NLP公开课（刘知远团队）
  • 理由：中文讲解，覆盖大模型全貌及中文应用，适合本地化复习。
  • 适合：中文背景 Andrej Karpathy - Neural Networks: Zero to Hero
  • 理由：从零讲解神经网络到LLM，理论与代码结合，教学生动。
  • 适合：零基础或有编程背景的初学者。
  • 链接：www.youtube.com/playlist?li…
  1. DeepLearning.AI - Generative AI for Everyone
  1. Hugging Face - NLP Course
  • 理由：实践导向，结合Hugging Face工具，快速上手NLP任务。
  • 适合：有Python基础的初学者。
  • 链接：huggingface.co/learn/nlp-c…
  1. 斯坦福 CS25 V2 - Andrej Karpathy: Introduction to Transformers
  • 理由：40分钟精炼讲解Transformer核心，权威且清晰。
  • 适合：初学者快速掌握注意力机制。
  • 链接：www.youtube.com/watch?v=Xfp…

复习必看

  1. 斯坦福 CS25 V2 - Geoffrey Hinton: Representing Part-Whole Hierarchies
  • 理由：Hinton的GLOM模型提供Transformer局限性与未来方向的洞见。
  • 适合：有基础的学习者梳理理论。
  • 链接：www.youtube.com/watch?v=CYa…
  1. 斯坦福 CS25 V3 - Douwe Kiela: Retrieval Augmented Language Models
  • 理由：系统讲解RAG，涵盖理论与最新架构，巩固应用知识。
  • 适合：熟悉Transformer的学习者。
  • 链接：www.youtube.com/watch?v=mE7…
  1. 清华大学NLP公开课（刘知远团队）
  • 理由：中文讲解，覆盖大模型全貌及中文应用，适合本地化复习。
  • 适合：中文背景的学习者。
  • 链接：www.bilibili.com/video/BV1UG…
  1. DeepLearning.AI - Knowledge Graphs for RAG

学习路径建议

入门路径（1-2个月）

  1. 概念入门：学习《Generative AI for Everyone》（1周），快速了解大模型全貌。
  2. Transformer基础：观看《Andrej Karpathy - Introduction to Transformers》（1天），掌握自注意力机制。
  3. 实践上手：通过《Hugging Face - NLP Course》训练简单模型（2-3周）。
  4. 深入代码：完成《Andrej Karpathy - Build nanoGPT》，从头实现GPT（2-3周）。

复习路径（1个月）

  1. 理论梳理：重温《Geoffrey Hinton - Representing Part-Whole Hierarchies》（1天），理解Transformer局限性。
  2. RAG巩固：学习《Douwe Kiela - Retrieval Augmented Language Models》和《Knowledge Graphs for RAG》（1-2周）。
  3. 中文视角：复习《清华大学NLP公开课》，梳理本地化应用（1周）。
  4. 前沿跟踪：关注CS25 V5最新讲座（web.stanford.edu/class/cs25/），了解2025年进展。

其他建议

  • 实践驱动：利用nanoGPT、LLMs From Scratch等项目进行开发实践。
  • 社区参与：加入OpenAI Academy或Hugging Face社区，与专家交流。
  • 持续学习：定期关注DeepLearning.AI、斯坦福CS25等平台更新。
{  
   "target":"简单认识我"，  
   "selfInfo":{  
        "genInfo":"大厂面试官，中科院自动化所硕士（人工智能），从事数据闭环业务、RAG、Agent等，承担技术+平台的偏综合性角色。善于调研、总结和规划，善于统筹和协同，喜欢技术，喜欢阅读新技术和产品的文章与论文",  
        "contactInfo":"abc061200x, v-adding disabled",  
        "slogan"："简单、高效、做正确的事",  
         "extInfo":"喜欢看电影、喜欢旅游、户外徒步、阅读和学习，不抽烟、不喝酒，无不良嗜好"  
   }   
}

学习资源推荐

如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。

本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在这里。

avatar
文章
阅读
粉丝