项目背景与目标

项目简介

面向开发者的LLM入门教程，旨在筛选、翻译、复现11门吴恩达老师大模型课程内容，满足国内开发者需求，提供学习资源与实践代码。

项目特点

• 内容筛选与复现：精选吴恩达老师大模型课程，涵盖从基础到进阶的全链条开发内容。
• 复现与翻译：针对国内开发者，提供中文版本课程、代码实例与视频资源。
• 实践导向：强调代码实践与案例分析，快速提升开发者大模型应用开发能力。

项目价值

• 学习资源：提供系统性学习路径，满足不同阶段开发者需求。
• 实践代码：配套详细的代码实例，助开发者快速上手。
• 跨语言学习：中英文双语资源，适应不同开发者背景。

课程分级与结构

必修类课程

1. 大模型基础：涵盖Prompt工程、ChatGPT应用、LangChain框架使用等。
   • 课程链接：中文版资料 | 代码示例：

     # 示例代码
     import openai
     openai.api_key = 'your_api_key'
     completion = openai.ChatCompletion.create(
      model="gpt-3.5-turbo",
      messages=[
          {"role": "user", "content": "解释什么是大模型？"},
      ]
     )
     print(completion.choices[0].message.content)

2. 问答系统构建：基于ChatGPT API的完整系统开发。
   • 课程链接：[链接] | 代码示例：

     # 示例代码
     from langchain.chat_models import ChatAnthropic
     chat = ChatAnthropic()
     answer = chat("解释什么是大模型？")
     print(answer)

3. LangChain应用开发：基于LangChain框架开发应用。
   • 课程链接：[链接] | 代码示例：

     # 示例代码
     from langchain.agents import initialize_agent, Tool
     from langchain.agents import AgentType
     from langchain.tools import GoogleSearchTool
     search = GoogleSearchTool()
     agent = initialize_agent(tools=[search], llm=langchain.OpenAI(), agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION)
     agent.run("如何评估大模型的性能？")

选修类课程

• RAG开发深入：RAG开发的高级技巧与应用场景。
  • 课程链接：[链接] | 代码示例：

    # 示例代码
    from ragrets import Retriever
    retriever = Retriever()
    question = "如何优化RAG系统？"
    answer = retriever.get_answers(question)
    print(answer)

• 模型微调：在本地微调开源大语言模型。
  • 课程链接：[链接] | 代码示例：

    # 示例代码
    from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
    tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-7b")
    model = AutoModelForCausalLM.from_pretrained("tiiuae/falcon-7b")
    prompt = "编写一个简单的Python程序"
    input_ids = tokenizer(prompt, return_tensors="pt").input_ids
    output = model.generate(input_ids)
    answer = tokenizer.decode(output[0])

• 模型评估与调试：使用wandb等工具进行模型评估与问题定位。
  • 课程链接：[链接] | 代码示例：

    # 示例代码
    import wandb
    wandb.init(project="model-evaluation")
    metrics = {"accuracy": 0.85, "loss": 0.02}
    wandb.log(metrics)

适用人群

• 基础条件：具备基础Python技能，对大模型开发感兴趣的开发者。

课程优势

• 官方内容翻译：确保学习资源与实际课程内容高度一致，满足国内开发者需求。
• 双语支持：提供中英文双语字幕视频，提升跨语言学习体验。
• 中文Prompt：包含效果相当的中文Prompt实例，帮助理解多语言语境下的应用。
• 评估与高级技巧：丰富内容，不仅限于基础应用，还包括模型评估、高级应用开发等深度主题。

学习建议

• 必修课程顺序学习：构建基础知识与概念，系统掌握大模型开发流程。
• 选修课程按兴趣选择：深入特定领域，如RAG、模型微调等，提升专业技能。

结束语

大模型时代，开发者需掌握新技能以快速开发应用。本项目课程旨在提供全面、高效的LLM学习路径，通过理论与实践相结合的方式，帮助国内开发者迅速掌握大模型应用开发能力。鼓励开发者贡献案例与资源，共同丰富学习社区。