大模型入门学习路径（个人学习路径的分享）

一，基础学习

1，数学基础

线性代数：MIT的线性代数公开课，丘维声高等代数

微积分

概率论与数理统计

2，编程基础

python：编程语言，掌握基本语法、数据类型、控制流等，熟悉常用库如 NumPy、Pandas 等

数据结构：常用数据结构（数组、链表、树、图）和算法（排序、搜索、动态规划）（可以先了解，不用深入）

3，机器学习基础

周志华《机器学习》

吴恩达《吴恩达机器学习》（这门课好像在在youtube上，无法登录youtube的学习者，B站上有人搬运过来了，也可以学习）

二，深入学习

1，深度学习理论

邱锡鹏《深度学习》（B站视频）

《深度学习》 - Ian Goodfellow, Yoshua Bengio, Aaron Courville

李宏毅深度学习详解：GitHub - datawhalechina/leedl-tutorial: 《李宏毅深度学习教程》（李宏毅老师推荐👍，苹果书🍎），PDF下载地址：https://github.com/datawhalechina/leedl-tutorial/releases

2，机器学习框架

PyTorch（推荐）：B站小土堆视频，刘二大人，炮哥带你学pytorch

TensorFlow

三，探索基本大模型

1，Transformer架构

理解Transformer架构的基本原理，这是大模型（如GPT-3、BERT等）的基础。（B站很多讲解的，可以参考，时间都很短）。

2，基本大模型概念

GitHub - datawhalechina/llm-cookbook: 面向开发者的 LLM 入门教程，吴恩达大模型系列课程中文版

GitHub - datawhalechina/hugging-llm: HuggingLLM, Hugging Future.

四，项目实战

1，零基础入门NLP - 新闻文本分类：team-learning-nlp/NewsTextClassification at master · datawhalechina/team-learning-nlp · GitHub

2,动手学大模型应用开发

3，happy-LLm:GitHub - datawhalechina/happy-llm: 📚 从零开始的大语言模型原理与实践教程

写在最后

        我个人是通过datawhale这个开源的组织社区去入门的大模型，上述推荐的很多也是来自这个社区，也是我认为比较好的一个开源社区，没有恰饭，单纯推荐！如果有任何侵权的地方，请联系我，会及时删除并道歉。