“大模型技术的基础学习，是未来在大模型领域能否站稳脚跟的关键”

随着大模型技术的发展，越来越多的人开始进入大模型领域，但大模型作为一门技术，因此它的本质上是一个工具，因此这也让学习大模型有了不同的学习方向。

从工具的角度来看，学习一个工具主要有两个方向，一个是使用工具，一个是制造工具；而今天我们主要讲的是后者，也就是怎么制造一个大模型工具，它需要哪些技术基础。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

大模型基础技术路线‍‍‍

下面主要从以下几个技术基础讲解一下大模型的学习路线：‍‍‍‍‍‍‍

• 理论基础‍

• 编程基础

• 深度学习框架

• 特定领域知识‍‍‍‍

• 实践经验

• 算法基础

理论基础

理论基础是一切技术的开始，对学习一门技术来说至关重要，没有理论就无法指导技术的发展方向和实现方法。‍‍‍‍‍‍‍‍‍‍‍‍‍

什么是理论？

理论其实就是一套描述和解决问题的方法论，只不过不同的技术有不同的方法，也就是理论。‍‍‍‍‍‍‍‍‍‍

理论的发展有两种方式，一种是基于实践检验结果总结出来的经验；二种是以严谨的科学理论推导出逻辑自洽的解决某个问题的方法。‍‍‍‍‍‍‍

比如说，火是人类生存和进化的重要条件之一，而在远古时期人类对于火的认知还比较浅显，因此那时关于火的理论也比较基础，比如它可以取暖，可以烤熟食物等；这就是基于经验的理论基础。‍‍‍‍

而随着科学技术的发展，人类对于火的研究更加的深入，比如火的形态，火本无形，但又是流体，而这就是基于严谨的科学研究和理论推导的结果。‍‍

那学习大模型需要哪些理论？

基础理论有，人工智能的概念，机器学习，深度学习，神经网络原理，激活函数，损失函数，正向传播，反向传播等基础理论，对这些基础理论等理解是非常必要的。‍‍‍‍‍‍‍

有了理论之后就能让你知道大模型能干啥，以及怎么干。‍‍

编程基础

编程基础就不用多说了，所有的计算机软件都是基于编程技术开发的，大模型也不例外。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

但需要说的是，大模型开发主要使用的是Python作为其主流的开发语言，当然并不是说开发大模型必须用python，用其它语言也可以，毕竟语言只是工具，算法才是核心；而算法是脱离计算机语言独立存在的。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

还有就是，大模型本身是主要基于Python开发的，但基于大模型构建上层应用可以使用其它工程性语言，比如Java，Go，Rust等，当然也可以使用Python。‍‍‍‍‍

大模型作为一个服务，一般由Python开发，然后封装成对外接口，然后使用其它开发语言调用构建上层应用。‍‍

深度学习框架

什么是框架？‍

框架就类似于模具，大模型是一个非常复杂的系统性工程，从0开始构建难度非常大，因此就有了一些开源框架来处理一些基础性工作和一些常用的工具。‍‍‍‍‍‍‍‍

比如说数据处理，在大模型技术中数据处理是非常重要的一环，但面对复杂的数据种类以及数据格式，如果全部自己手动处理将是一个巨大的工程量；因此为了提高开发效率，排除这些外在干扰，让技术人员把心思放在大模型的核心节点上，框架就出现了。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

还有就是，这些深度学习框架一般会内置一些经典架构的实现，比如Transformer架构，和一些常见的神经网络模型，比如CNN和RNN，这样对一些初学者就可以直接使用这些工具构建属于自己的大模型。‍‍‍‍‍‍‍‍‍‍‍

常见的深度学习框架，如PyTorch，Tensorflow等。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

特定领域的知识

大模型是一个非常笼统的技术，但细分下去又有多种不同的方向，比如说自然语言处理，计算机视觉等。

毕竟大模型也是用来解决问题的，如果大模型没有具体的落脚点，那么它就成为了一个纯理论性质的研究，这样它就失去了应有的价值。‍‍‍

而不论是自然语言处理，还是计算机视觉都是独立的应用领域，它们和大模型的关系就是大模型可以作为其研究的一个方法或手段，没有大模型也可以研究自然语言处理和计算机视觉；但自然语言处理和计算机视觉可以利用大模型进行更加高效的研究。‍‍‍‍

因此，如果只是单纯的学习大模型技术，不与这些具体的应用领域相结合，那么学习大模型技术就失去了应有的意义。‍‍‍‍‍‍‍

而用大模型去研究这些应用领域，或者说用大模型作为解决这些领域的一个方法，那么就需要有对应领域的基础知识，只有大模型本身的技术是远远不够的。‍‍‍‍

自然语言处理所涉及的知识有语言分析，语义分析，分词，自然语言理解，自然语言生成等。‍‍‍‍‍‍‍‍‍

实践经验

实践 实践 再实践，重要的事情说三遍！！！‍‍‍‍

大模型技术是一项实操性很强的技术，或者说任何技术都离不开实操，纯粹的理论研究终究只是空中楼阁。‍‍‍‍‍‍

从学习方法的角度来说，理论应该与实践相结合，很多人在学习理论的过程中总喜欢打破砂锅问到底，钻进理论中出不来。‍‍‍‍‍‍‍

当然，并不是说打破砂锅问到底不好，作为技术研究人员有必须要有打破砂锅问到底的决心。‍‍

但是，理论一方面是由严谨的科学逻辑推导出来的，还一部分是根据实践总结和调整的；单纯的研究理论很难让你真正理解技术的本质。这也是为什么有些问题在学习的时候怎么都想不明白，但等真正去实操的时候突然之间就豁然开朗。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

最好的学习方式就是，在了解一些理论的基本概念之后，就上手找个大模型进行实操；然后用实操去验证理论，这样才能明白别人为什么会这样设计，为什么可以这样做，不可以那样做。‍‍‍‍‍‍‍‍‍‍‍

钻进理论出不来，并且不肯动手实践的人，就是那种经常钻牛角尖的，理论一套一套的，但啥都干不好；而且最重要的是，这种钻牛角尖的方式往往会事半功倍，导致半途而废。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

算法基础

算法的重要性就不用多说了，任何和计算机有关的东西都离不开算法，如果说硬件是计算机的身体，那么算法就是计算机的灵魂。‍‍‍

大模型可以说是算法的集大成者，因为大模型是基于严谨的数学理论推导的，而算法是数学在计算机中的载体，离开了算法大模型将不复存在。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

以上就是一些学习大模型技术所需要的基础，但并不是全部；大模型技术是人工智能技术的一种实现方式，而人工智能技术是一个多学科交叉的科学，涉及到数学，社会学，哲学，计算机科学，工程学，控制论等等，甚至包括文学与艺术。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

因此，要想学好大模型，技术只是最基础的东西。万丈高楼平地起，全靠有个好地基。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】