AI 大模型正在构建颠覆性的影响力。为了更好地入局 AI 大模型，本文复盘并整理了大模型学习脉络，涵盖大模型理论、论文带读以及企业项目实战。
AI 大模型系列课程目录
第一课：NLP 大模型基础、前沿与学习路径
第二课：基于模型量化的大模型压缩进展
- 压缩技术中量化优于剪枝、蒸馏的原因
- 搜索裁剪阈值用于裁剪 outlier 的方法
- 包含异常值 outlier 的特征量化方案
第三课：基于模型剪枝的大模型高效计算和应用
- 模型剪枝的技术背景
- 模型剪枝具体方法
- 模型剪枝前沿方法
- 语言模型剪枝实例
第四课：扩散模型基础知识及拓展应用
- AI 作画：以文生图
- 扩散模型原理
- 扩散模型工作拓展
- 扩散模型带来的机遇
第五课：大语言模型的 RLHF
- RLHF 的优点和挑战
- RLHF 如何改善大模型性能
- RLHF 的实际应用案例
- RLHF 在大模型的未来趋势
第六课：LLM + 微调——大模型的高效微调
- 常用的高效微调方法介绍
- 针对领域数据集根据高效微调方法创造大语言模型
- 未来挑战与研究方向
第七课：大模型医疗
- 医疗领域的数据特点、挑战和机遇
- 大模型的定义和特点（预训练、微调、指令学习等）
- ChatGLM 模型微调实践
- 代码实践以及模型微调
第八课：大模型基本概念以及应用场景
- 发展线路与技术手段
- 应用场景
- 缺点与局限
- 未来展望
第九课：LLAMA2 中文大模型
- 理论介绍
- 代码实践
第十课：大模型前沿论文带读训练营（NLP 方向）
- LLaMA 训练营（精读、代码讲解）
- GLM-130B 训练营（论文泛读、精读、代码讲解）
- Alpaca 训练营（论文泛读、精读、代码讲解）
第十一课：掌握大模型领域前沿，跑通三套企业级项目代码
- 开发基于大模型的聊天机器人
- 实战基于大模型的对话系统
- 大模型模型原理及综述
- 精读大模型 -3 论文、Instruct 论文
- 精读谷歌 PaLM 论文、脸书 LLaMA 论文
- 实战微调 LLaMA 模型
大模型岗位需求
大模型时代，企业对人才的需求发生变化，AIGC 相关岗位人才难求，薪资持续走高。AI 运营薪资平均值约 18457 元，AI 工程师薪资平均值约 37336 元，大模型算法薪资平均值约 39607 元。
掌握大模型技术可拥有更多可能性：
- 成为全栈大模型工程师，包括 Prompt、LangChain、LoRA 等技术开发、运营、产品方向
- 拥有模型二次训练和微调能力，完成智能对话、文生图等热门应用
- 薪资上浮 10%-20%，覆盖更多高薪岗位
- 为未来创新创业提供基石
AI 大模型学习路线汇总
大模型学习路线图整体分为 7 个大的阶段：
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法； 第二阶段： 通过大模型提示词工程从 Prompts 角度入手更好发挥模型的作用； 第三阶段： 大模型平台应用开发，借助云平台构建电商领域虚拟试衣系统； 第四阶段： 大模型知识库应用开发，以 LangChain 框架为例，构建物流行业咨询智能问答系统； 第五阶段： 大模型微调开发，借助大健康、新零售、新媒体领域构建适合当前领域大模型； 第六阶段： 以 SD 多模态大模型为主，搭建文生图小程序案例； 第七阶段： 以大模型平台应用与开发为主，通过星火大模型、文心大模型等成熟大模型构建大模型行业应用。
大模型实战案例
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去。建议搞点实战案例来学习。
学会后的收获
- 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过课程可获得不同能力；
- 能够利用大模型解决相关实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性；
- 基于大模型和企业数据 AI 应用开发，实现大模型理论、掌握 GPU 算力、硬件、LangChain 开发框架和项目实战技能，学会 Fine-tuning 垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
- 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力。
