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。
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
