大语言模型学习路线:从入门到实战

大语言模型学习路线:从入门到实战

在人工智能领域,大语言模型(Large Language Models, LLMs)正迅速成为一个热点话题。
本学习路线旨在为有基本Python编程和深度学习基础的学习者提供一个清晰、系统的大模型学习指南,帮助你在这一领域快速成长。

  • 本学习路线更新至2024年02月,后期部分内容或工具可能需要更新。

适应人群

  • 已掌握Python基础
  • 具备基本的深度学习知识

学习步骤

  • 本路线将通过四个核心模块进行学习,如果希望打基础可以优先学习模块四:NLP基础
  • 学习比例遵循1:2.5的规则,即每观看一部分视频内容后,应至少投入2.5倍的时间进行实践练习
  • 百分号表示学习内容的比例,如“Transformers库(7%)”表示该部分内容占整个学习路线的7%。

大语言模型学习路线:从入门到实战_第1张图片

模块一:Hugging Face平台入门

  • Transformers库(7%):理解如何使用Transformers进行模型的加载和预测。
  • Datasets库(4%):学习如何处理数据
  • Tokenizers库(4%):学习如何进行有效的文本分词。
  • PEFT库(5%):掌握模型训练和加速的高级技术。
  • DeepSpeed库(4%):模型加速训练的底层技术。

建议视频教程:搜索“Hugging Face教程”在B站或Coursera上找到相应的课程。

模块二:大模型基础

  • 预训练模型微调(10%):学习如何根据自己的数据集微调模型。
  • Llama2模型学习(6%):特别是分词器、输入输出具体格式、模型结构
  • ChatGLM模型学习(3%)
  • GPT-2模型学习(4%)
  • OpenAI API的调用(2%):学习如何使用常见的大语言模型接口。
  • Prompt工程(1%):学习模型的使用技巧。
  • RLHF技术(1%):学习高级模型训练技术。
  • LangChain框架(2%):学习如何使用LangChain进行模型开发

建议视频教程:在YouTube或B站搜索模型名称加“教程”关键词。

模块三:测验部分

通过实际项目测试所学知识。

  • 生成式文本摘要(7%):利用大模型生成文章或报告的摘要
  • 机器翻译(8%):使用大模型完成一种语言到另一种语言的文本翻译任务,了解BLEU评分等
  • 问答系统(9%):利用大模型和知识库,构建单轮或多轮问答系统

学习建议:当感到学习疲累时,尝试完成这一部分的实践项目,以检验和巩固学习成果。可以在Kaggle上找到相应的比赛项目。

模块四:NLP基础

  • PyTorch语法(2%)
  • NumPy运算(2%)
  • Transformer架构(5%)
  • 自注意力机制(4%)
  • 词嵌入(3%):理解词嵌入(Word Embedding)的概念和方法,如Word2Vec、GloVe。
  • 序列模型(3%):学习RNN、LSTM、GRU等序列模型的原理和应用
  • 文本预处理(2%):掌握NLP处理的基础技术。
  • 基本任务和评估指标1%):了解NLP的基本任务(如命名实体识别、依存句法分析)和相应的评估指标。
  • 深度学习中的GPU原理(1%):并行计算、CUDA编程等

建议视频教程:Coursera上的“NLP专项课程”或B站的“PyTorch教程”。

参考内容

  1. 大模型学习路线记录:https://zhuanlan.zhihu.com/p/663556778

  2. 大语言模型(LLM)学习路径和资料汇总:https://github.com/ninehills/blog/issues/97

  3. 大模型学习路线与建议:https://cloud.tencent.com/developer/article/2344193

你可能感兴趣的:(人工智能,语言模型,自然语言处理,大语言模型,大模型)