🛸 Additional Resources
欢迎爆料 [email protected]
🧰 Tools
📙 Blog
推荐评分 🌟🌟🌟🌟🌟
了解如何利用 Together AI 平台根据您的专有数据微调 Llama-3-8b，创建一个自定义模型，该模型的性能优于 Llama-3-70b 等领先的 OSS 替代方案，并且可与 GPT-4 等领先的闭源替代方案相媲美。
📚 Books
推荐评分 🌟🌟🌟🌟🌟
由 @rasbt撰写并开源的 《从零开始学习 LLM/大模型》，实战教学从零实现一个 LLM 太棒了！短时间内已经飙升 21.9K Star
目前最后一个部分已经撰写完成，讲解从零开始微调一个 LLM，包括更改 Prompt 格式、指令掩码或 LoRA 等，意味着该书籍已经完整可读！也将出版
推荐评分 🌟🌟🌟🌟🌟
41 页，3 大模块，11 章内容，AI/LLM 从入门到就业？🥳 吴恩达又一新书力作来了！《How to Build a Career in AI》正式开放！🔥
内容包含：
- 找一份 AI 工作需要学什么？
- 做哪些实践项目可以快速掌握 AI 核心知识？
- 如何准备 AI 求职？
推荐评分 🌟🌟🌟🌟🌟
汇聚自 ChatGPT 发布 18 个月以来，GenAI/LLM 领域发展和系统知识指南，分为 9 个部分，参考顶尖 Blog、论文、Youtube 或在线课程，为读者提供一个清晰的了解 GenAI 发展的脉络！
- A2 English for Developers (Beta)
推荐指数 🌟🌟🌟🌟 这套课程对标欧洲语言水平体系（CEFR）的 A2 级，也就是初级水平，来看看它的内容：
- 学习自如应对工作第一天可能遇到的各种交流场景，比如自我介绍、与他人熟悉起来、询问午餐建议，以及向保安申请门禁卡等实用知识。
- 学习如何做自我介绍，比如介绍自己的职业，以及在团队会议上分享个人目标。
- 学习日常对话，比如谈论自己的兴趣爱好和性格，以及如何打听周围有哪些好玩的好吃的。 学习如何描述自己的工作日常和职场任务，以及如何与他人分享这些内容。
- 学习如何向他人介绍你参与的项目，以及如何清晰地说明你在这些项目中的具体工作。
- 学习如何讨论当下最热门的科技话题。
- 学习各种编程相关的专业术语，并学会如何在日常交流中恰当运用这些词汇。
- 学习如何编写项目文档。
- 学习如何介绍项目的最新进展和未来计划。
推荐指数 🌟 🌟 🌟 🌟 Databricks 出品的生成式 AI Cookbook，涵盖了理论知识和动手实验两大部分。 首版 Cookbook 主要针对 RAG 方向，后续更新会纳入 Agents & function calling、Prompt Engineering、Fine Tuning 和 Pre-Training
推荐指数 🌟 🌟 🌟 🌟 麻省理工人工智能实验室 强烈推荐的 130 页机器学习备忘录清单！详细了解#MachineLearning 核心概念 🔥 目前已开源，6.7K Star ⭐️ 非常全面！包括概率、生成式模型、高斯模型、贝叶斯统计、线性回归、逻辑回归、EM 算法、核、蒙特卡洛推理、深度学习等
🧑🏫 Courses
- Karpathy大模型培训课 LLM101n
推荐评分 🌟🌟🌟🌟🌟
前Open AI 联合创始人、Tesla AI 团队负责人 Andrej Karpathy 正在创办一家人工智能教育公司 - Eureka Labs。Karpathy 说 Eureka Labs 将是一所人工智能原生学校，他在 Tesla 和 OpenAI 的工作是他全职工作/激情——教学的支线任务。第一个产品 LLM101n 承诺将是一门本科水平的课程，教学生构建自己的人工智能助手。
推荐评分 🌟🌟🌟🌟
Parlance Lab 发布的 RAG 系列课程，从基础知识到实战经验，视频搭配演示文件的形式，推荐观看。
> Back to Basics for RAG
讲师 Jo Bergum
课程涵盖信息检索（IR）的基础知识以及向量嵌入在检索中的失败模式，并提供避免它们的实用解决方案。 展示如何为您的数据设置简单但有效的 IR 评估，允许更快的探索和系统化的方法来提高检索准确性。
>> Beyond the Basics of RAG
讲师 Ben Clavié
有效实施 RAG 比看起来更复杂。很少有人讨论什么使好的检索变得更好：不，cosine similarity 实际上并不是你所需要的一切。 在这个课程中，将探讨如何构建一个健壮的 RAG 流程，以及检索研究中的简单见解如何大大改善你的 RAG 努力。 我们将涵盖关键主题，如 BM25、重新排名、索引、领域特异性、超越 LGTM@few 的评估和过滤。
>>> Systematically improving RAG applications
讲师 Jason Liu
本课程介绍很简洁：讲授任何人都可以应用的方法来改进他们的 RAG 应用！
推荐评分 🌟🌟🌟🌟
如何构建「端到端、生产级别 LLM、RAG 和 LLMOps 系统」？
- 数据：社交数据 -> ETL -> MongoDB
- 特征： bytewax清洗、分割、向量化数据，存储qdrant_engine
- 训练： QLora 微调、 Cometml追踪实验
- 推理：部署 AWS构建 RAG 系统
