HqWu-HITCS/Awesome-Chinese-LLMhttps://github.com/HqWu-HITCS/Awesome-Chinese-LLM

Stars: 13.6k License: NOASSERTION

Awesome-Chinese-LLM 是整理开源的中文大语言模型，主要包括规模较小、可私有化部署、训练成本较低的模型，涵盖底座模型、垂直领域微调及应用、数据集与教程等。

• 包含各种规模的中文大语言模型
• 可私有化部署
• 低训练成本
• 收集中文 LLM 相关的开源模型、应用、数据集及教程
• 底座模型细节概览
• 提供多种垂直领域微调应用
• 提供各种数据集
• 提供 LLM 训练微调框架和推理部署框架
• 提供 LLM 评测和教程

NielsRogge/Transformers-Tutorialshttps://github.com/NielsRogge/Transformers-Tutorials

Stars: 8.6k License: MIT

Transformers-Tutorials 是使用 HuggingFace 的 Transformers 库制作的演示。 该项目主要功能、关键特性、核心优势包括：

• 包含了多个基于 Transformers 库实现的演示
• 涵盖了多种 Transformer 架构，如 BERT、GPT-2 等
• 提供了对文本分类、命名实体识别等任务的模型微调和推理示例

HVision-NKU/StoryDiffusionhttps://github.com/HVision-NKU/StoryDiffusion

Stars: 5.5k License: Apache-2.0

StoryDiffusion 是一个用于长距离图像和视频生成的一致自注意力模型。 该项目的主要功能、关键特性、核心优势包括：

• 通过生成连贯的图像和视频来创作神奇故事
• 为角色一致性图像生成提供了连贯自注意力
• 实现了长距离视频生成的运动预测器
• 提供漫画和图片到视频等多种应用示例
• 支持两种方式进行漫画生成：使用 jupyter notebook 或启动本地 gradio demo

google-research/timesfmhttps://github.com/google-research/timesfm

Stars: 3.2k License: Apache-2.0

timesfm 是由 Google Research 开发的用于时间序列预测的预训练时间序列基础模型。 该项目提供了以下功能和优势：

• 支持单变量时间序列预测，上下文长度最多为 512 个数据点，任意未来时段长度。
• 可选频率指示器。
• 重点关注点估计，并不支持概率性估计。
• 要求上下文是连续的，并且上下文和未来时段具有相同的频率。
• 提供了 API 进行推断操作。

gregorojstersek/resources-to-become-a-great-engineering-leaderhttps://github.com/gregorojstersek/resources-to-become-a-great-engineering-leader

Stars: 2.5k License: NOASSERTION

resources-to-become-a-great-engineering-leader 是一个列出了成为优秀工程领导者所需的书籍、博客、通讯和人物资源的项目。 该项目主要功能、关键特性和核心优势包括：

• 列出了大量有关软件工程、系统设计、数据工程、领导力以及产品与业务等方面的资源
• 提供个人精选资源，帮助用户提升并成为 2024 年一名杰出的工程领导者
• 鼓励用户根据自身需要选择特定类别下感兴趣或需要加强学习的资源，避免浪费时间在不必要的内容上。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，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。

所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的所有 ⚡️ 大模型 LLM 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】

全套 《LLM大模型入门+进阶学习资源包》↓↓↓ 获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​