从大型语言模型（LLMS）开始 - 免费成为专家！
一份完整的指南，在2024年开始并提高您的LLM技能，而没有该领域的高级背景，并了解最新的新闻和最新技术！
首先，如果您有0个编程或AI知识，请遵循我为此目的制作的本指南，然后回到这里！
本指南适用于编程和机器学习背景较小的任何人。没有特定的顺序可以遵循，但是从上到下都是经典的路径。如果您不喜欢阅读书籍，请跳过。如果您不想遵循在线课程，也可以跳过它。没有一种方法可以成为机器学习专家，并且有动力，您绝对可以实现它。
此处列出的所有资源都是免费的，除了一些在线课程和书籍外，这些资源肯定是为了更好地理解的，但是绝对可以成为没有他们的专家，在线阅读，视频和练习上花费了更多时间。在支付课程方面，本指南中的链接是附属链接。如果您想遵循课程，请使用它们，因为它会支持我。谢谢，学习有趣的学习！请记住，这完全取决于您，而不是必需的。我觉得这对我很有用，也可能对他人有用。
不要害怕重复视频或从多个来源学习。重复是学习成功的关键！
维护者：LouisfB01，如果您想查看/了解有关AI＆LLM的更多信息，也可以在YouTube上和播客上活跃！您也可以在我的个人新闻通讯中每周学习更多两次！
请随时提交一个问题，以添加到此存储库中。
如果您共享列表，请在Twitter @Whats_AI或LinkedIn @Lououis Bouchard上标记我！
想知道本指南是关于什么的？观看此视频：
目录
- 前准人
- 首先以简短的YouTube视频介绍为第一步
- LLM书籍和文章（读者）
- 关注在线课程
- 练习，练习和练习！
- 提示
- 检索增强发电（RAG）
- 更多资源（社区，作弊表，新闻等等！）
- 如何找到机器学习工作
- 人工智能道德
- 了解更多并做更多...与LLMS一起做
前准人
如果您有0个编程或AI知识，请遵循我为此目的所做的本指南。主要查看Python部分，然后您将拥有足够强大的背景来回到这里！
如果您对Python和AI有些熟悉，那么我祝您学习愉快！
首先以简短的YouTube视频介绍为第一步
从简短的YouTube视频介绍开始
这是从一无所有开始的最佳方法。在这里，我列出了一些我发现的最佳视频，这些视频将为您提供有关在LLM字段开始的术语的绝佳介绍。
- 了解术语
- 掌握AI术语 - 您的OpenAI和LLM条款指南-Louis Bouchard-快速介绍LLM（或GPT）世界中最常用的术语。
- 了解变形金刚和LLM（即Chatgpt背后的模型）！
- 大型语言模型的介绍 - Andrej Karpathy的令人惊叹的1小时演讲。
- 自然语言处理和大型语言模型 - 引起注意机制，令牌，嵌入等令人惊叹的视频介绍，以更好地了解大型语言模型（如Luis Serrano的GPT）背后的所有内容。
- 什么是变压器模型，它们如何工作？ - 路易斯·塞拉诺（Luis Serrano）
- 插图的Word2Vec-机器学习中单词嵌入的温和介绍 - Jay Alammar对机器学习中的单词嵌入的明确说明。
- 杰里米·霍华德（Jeremy Howard）（fast.ai）撰写的黑客语言模型指南。
- 让我们构建GPT：从头开始，代码，拼写。 - 由Andrej Karpathy。
入门和继续学习的另一种简单方法是在业余时间收听播客。开车去上班，坐在公共汽车上，还是难以入睡？聆听一些AI播客，以适应术语和模式，并通过鼓舞人心的故事来了解该领域！我邀请您遵循我个人最喜欢的一些最好的，例如Lex Fridman，Machine Learning Street Talk，显然是我的播客：Louis Bouchard Podcast，您将在那里了解到赛场上令人难以置信的才华横溢的人，并以鼓舞人心的故事分享了他们努力收集的知识。我真的很喜欢听的一个新的，这使我保持最新状态是我的朋友亚历克斯·沃尔科夫（Alex Volkov）的《星期四播客》。
这是YouTube上可用的令人敬畏的课程列表，您绝对应该遵循，并且是100％免费的。
- 路易·布沙德（Louis Bouchard）的LLM免费课程视频“ Activeloop的Train＆Fine-Tune LLMS生产课程，朝AI＆Intel Dispruptor迈进”。 “我们的LLM课程的播放列表：AI 360：基础模型认证！”
- 由FreecodeCamp与Python（教程）创建大型语言模型。 “了解如何从头开始构建自己的大型语言模型。本课程将进入大型语言模型背后的数据处理，数学和变压器。您将使用Python。”
- 来自Cohere的LLM University（LLMU） - 由Cohere。 LLM University（LLMU）是一组全面的学习资源，适合从初学者到高级学习者感兴趣的任何对自然语言处理（NLP）感兴趣的人。
- 大语言模型中的注意机制 - 路易斯·塞拉诺（Luis Serrano）。在这个视频系列中，路易斯解释了变压器架构的深度越来越多。这是对变形金刚的一个很好的概述和解释，以及我认为所有AI专业人员都应该观察的关注机制。
LLM书籍和文章（读者）
如果您喜欢文章和阅读路径，这里有一些建议：
- 建立生产LLM：通过提示，微调和抹布提高LLM的能力和可靠性 - 向AI提高。 “发现将大型语言模型调整为现实世界应用的关键技术堆栈，包括及时的工程，微调和检索增强发电。” （或在此处获取电子书。您可以为我提供良好的折扣！）
- 插图变压器 - 杰伊·阿拉玛（Jay Alammar）。这是一篇著名的文章，为当前语言模型的工作方式提供了一个惊人的解释。
- LLMS的实用介绍 - Shawhin Talebi。
- 媒介几乎是找到AI或朝向数据科学出版物的最佳解释的最佳场所。我也在那里分享自己的文章，我喜欢使用该平台。如果您听起来很有趣，并且您想同时支持我，则可以在此处使用我的附属链接订阅媒体！
- 新米拉学生的阅读清单 - 匿名
- 2022年NLP硕士的完整路线图
- NLTK书是学习NLP背后基本理论的免费资源：https：//www.nltk.org/book/
- 带注释的变压器 - 哈佛大学
关注在线课程
如果您喜欢更多的指导，我可以建议您检查（可选）在线课程，例如...
- 具有大语言模型的生成AI - 付费
- 通过Coursera的自然语言处理专业化成为NLP Pro。
- Gradio课程 - 为机器学习模型创建用户界面 - FreecodeCamp-免费
- Activeloop的Train＆Pine -Tune LLMS生产课程，迈向AI和Intel Disruptor-免费
- LLM大学的Cohere-免费
- 从初学者到高级LLM开发人员 - 到AI。 “使用LLM，提示，抹布，微调和代理来构建您的第一个可扩展产品！掌握了顶级公司所需的技能，并使用真实的应用程序构建自己的高级LLM MVP。”
- 通过DeepLearning.AI - 付费“闯入NLP空间。主尖端NLP技术通过四个动手实践课程！”成为NLP Pro。
- NLP纳米学位！ - 付费“学习尖端的自然语言处理技术来处理语音和分析文本。建立概率和深度学习模型，例如隐藏的马尔可夫模型和经常性的神经网络，以教计算机来执行诸如语音识别，机器翻译等诸如诸如诸如语音识别之类的任务！”
- Google Cloud的大型语言模型简介 - 付费
- 在应用程序中学习训练，微调并使用LLM。 - 重量和偏见免费
- 带有语义搜索的大型语言模型 - 免费，深度学习。
您可以轻松地使用Google以获取更多信息，但是在阅读和观看了这些内容之后，我相信您已经对LLM有足够的了解来达成真正的交易：练习。
练习，练习和练习！
练习是关键
编程中最重要的是实践。这也适用于机器学习。很难找到一个个人的练习项目。我强烈建议您尝试自己建造一些东西，但我知道这可能令人生畏。然后，我建议的是遵循一两个极其应用的课程，并使用资源根据他们为您提供的代码示例，Chatgpt或Github Copilot来构建您自己的项目，以作为其余作品的代码助理为您工作。
以下是我可以找到LLM的一些最应用的课程：
- 为了构建快速的文本分类模型或Word vectorizer，FastText是快速训练模型的好库。
- Huggingface是获得现代NLP车型的地方，它们还包括整个课程。
- Langchain＆Vector数据库中的数据库 - 我们与Activeloop和Intel Insportor Initiative合作构建了一个惊人的免费资源，以了解生产中的Langchain＆Vector数据库。 “无论您是经验丰富的开发人员，是AI领域的新手还是经验丰富的机器学习爱好者，本课程都是为您设计的。我们的目标是使AI易于访问且实用，从而改变您如何处理日常任务和工作的整体影响。”
- 培训和微调生产的LLMS-我们与Activeloop和Intel Insuptor倡议合作建立了一个惊人的免费资源，以了解培训和调整生产的培训LLMS。如果您想学习如何从头开始训练和微调LLM，并具有中间的python知识以及访问中等的计算资源（在某些情况下，只有Google Colab就足够了！），您应该全力参加课程并完成课程。本课程设计的课程是设计为众所周知的众所周知的，包括AI，当前的机器学习工具，以实现一定的工具，以实现一定的工具，以实现您的职业生涯，并为您提供了一项职业，并为您提供了一项职业，并为您提供了一项职业，并为您提供了一项工作。在广泛的行业量身定制大型语言模型，以使AI更容易获得和实用。”
- 现实世界中的ML教程和社区 - 付费
提醒。最好的学习方法是建造一些东西！我真的很容易学习。这些课程都很棒，但是可选。您可以自己做，并且大多数公司提供与LLMS合作的资源（OpenAI，Langchain，Activeloop，Cohere，W＆B ...）都有很棒的教程，可以让您开始建造一些东西。然后，您可以要求chatgpt帮助您完成它！
提示
提示是使用模型和构建与NLP相关的应用程序学习的重要新技能。
- 什么提示？与AI模型交谈...-免费
- chatgpt提示开发人员工程 - 付费
- 学习提示 - 这是一门很棒的免费课程，旨在教提示并为特定模型提供提示。这是您需要提示的全部！
- 提高可靠性的技术 - 促使技术的OpenAI食谱。
更多有关检索增强发电（RAG）和微调的更多信息
大多数人目前构建基于抹布的应用程序。这里有一些我喜欢让您开始并对其有很好理解的资源...
- 一项针对LLM性能最大化的技术的调查 - Openai的惊人视频涵盖了何时使用及时的工程，抹布或微调。这对现场的每个人来说都是必看的！
- 抹布与微调与深度内存与培训LLM从头开始：何时使用LLMS进行工作 - Simlarly，这是一个简短的视频覆盖率，您应该在应用程序中使用抹布，微调或及时工程。
- 使用GPT和嵌入式建造问答聊天机器人 - 杰里米·平托（Jeremy Pinto）应用的YouTube教程。
- 如何构建可以回答有关您网站的问题的AI-免费OpenAI教程。
- 从初学者到高级LLM开发人员 - 到AI。 “使用LLM，提示，抹布，微调和代理来构建您的第一个可扩展产品！掌握了顶级公司所需的技能，并使用真实的应用程序构建自己的高级LLM MVP。”
- 如何构建基于抹布的Chatgpt Web应用程序：结识我们的新AI Tutor-YouTube介绍我如何构建基于抹布的聊天机器人（也可以如何）。
- 培训和微调生产的LLM-从头开始学习如何培训和微调LLMS。
- Paul Iusztin，Pau Labarta Bajo和Alexandru Razvant培训和部署实时财务顾问-LLMS课程。
- 通过Langchain＆LlamainDex检索增强生产 - 无论是计划与您的组织申请建立聊天，还是只是学习如何在各个行业中利用生成AI，此课程适合您。该课程解决了关键问题，例如提高检索准确性，减少AI输出的幻觉，提高解释性，解决版权问题，并提供更量身定制的最新数据输入。我们超越了基本的抹布应用程序，使您能够使用Langchain，LlamainDex和深刻的记忆力来创建更复杂，可靠的产品。强调动手学习，本课程是在现实世界中掌握高级抹布技术和应用程序的门户。
- 建立生产LLM：通过提示，微调和抹布提高LLM的能力和可靠性 - 向AI提高。 “发现将大型语言模型调整为现实世界应用的关键技术堆栈，包括及时的工程，微调和检索增强发电。” （或在此处获取电子书。您可以为我提供良好的折扣！）
更多资源
加入社区！
与许多AI爱好者的不和谐服务器 - 一起学习，提出问题，找到Kaggle队友，分享您的项目等等。
您可以在其中最新的AI新闻保持最新状态的Discord服务器 - 与最新的AI新闻保持最新，提出问题，分享您的项目等等。
学习提示不一致的社区 - 与及时工程师聊天。
关注Reddit社区 - 提出问题，分享您的项目，关注新闻等等。
- 人造 - 人工智能
- 机械学习 - 机器学习（该领域最大的子重新数）
- 深度学习纸 - 深度学习论文
- Computervision-从图像和视频中提取有用的信息
- 学习计算 - 学习机器学习
- 人造智能-AI
- LATSESTINML-机器学习中改变游戏的发展，您不应该错过
关注现场的新闻！
找到机器学习工作
- 从文章中阅读本节，其中包含面试技巧以及如何为他们做准备。
- 了解面试过程如何进行，并通过观看其他人的工作方式来为他们做好准备，例如我与Nvidia，Zoox（自动驾驶公司），D-ID（生成AI启动）和ETC的专家一起跑过的访谈系列。
人工智能道德
- 什么是伦理，为什么它们重要？机器学习版 - fast.ai的创始人雷切尔·托马斯（Rachel Thomas）
- AI4PEOPLE - 一个良好AI社会的道德框架：机遇，风险，原则和建议-Floridi等人，2018年，良好社会的AI4PEOPLE AI
- 值得信赖的AI的道德准则 - 欧洲委员会高级专家组7分，可信赖的AI。
- 《机器人和人工智能伦理学介绍》 - 克里斯托夫·巴特内克（Christoph Bartneck），克里斯托夫·吕格（ChristophLütge），艾伦·瓦格纳（Alan Wagner）和肖恩·威尔士（Sean Welsh）的免费电子书。
了解更多并做更多...与LLMS一起做
Chatgpt，Bing，Claude ...令人难以置信。当然，它们有局限性。但是，您可以利用这些学习所需的东西。我将其用于编码或总体上问很多问题。当您提出重要问题时，您需要仔细检查。尽管如此，它还是一个强大的工具。是的，这是一种工具，而不是人类的替代品。将其用作愚蠢的助手，几乎了解一切。
这是我如何将其用于项目来更好地理解我不熟悉的项目的功能的明确示例。这是针对Python的，但是这些模型通常用于编码一般，了解新平台（例如AWS，GCP，使用虚拟机，服务器，SSH连接等。...您不熟悉在LLM Space中都有用的任何东西）。
PS我没有提到Bing和Claude的乐趣。不要过分依赖像Openai这样的单一公司。在争取最好的LLM斗争中，还有其他公司（并且将永远）。我想在今天早上为指南创建一个榜样。
如果您共享列表，请在Twitter @Whats_AI或LinkedIn @Lououis Bouchard上标记我！
？如果您想支持我的工作，则可以检查以赞助此存储库或在Patreon上支持我。
该指南仍定期更新。
