youssefHosni/LLM-Open-University-From-Begineer-to-Advanced

解決する問題

大規模言語モデル（LLM）は今やどこにでもあります—チャットボット、検索、コーディングアシスタント、エージェントなど。しかし、それらを学ぶことは圧倒的になる可能性があります。なぜなら、この分野は巨大で、ブログ記事、論文、動画、コースに散らばっているからです。このリポジトリは、最高の無料リソースを単一の構造化されたパスに整理し、誰もがトランスフォーマーが何かを知らない状態から、実際のLLMアプリケーションを構築してデプロイするまで、迷うことなく進めるようにします。

仕組み

ロードマップは、相互に構築される4つのセクションに分かれています。最初のセクションでは、LLMの基礎をカバーします：アーキテクチャ、トランスフォーマー、アテンションメカニズム、トークナイゼーション、埋め込み、デコード戦略。Jay Alammarの図解トランスフォーマーやAndrej Karpathyのビデオシリーズなどの古典的な解説を指し示します。2番目のセクションでは、ゼロからLLMを構築してトレーニングすることに移ります—データセット準備、指示チューニング、ファインチューニング（LoRAやQLoRAなどのパラメータ効率的な方法を含む）、評価、量子化、RLHFアライメント、そして研究に追いつく方法。3番目のセクションは本番に移ります：プロンプトエンジニアリング、ベクトルデータベース、RAG、LLMエージェント、推論最適化、LLMOps、セキュリティ、デプロイ、ローカルモデル実行ツール、MCP。最後のセクションはポートフォリオプロジェクトについてです—学習者が構築したものを示すためのアイデアとガイド付き作業。

対象読者

ステップバイステップでLLMを習得したい絶対初心者向けに設計されていますが、LLMスキルを深めたいデータサイエンティスト、機械学習エンジニア、AIエンジニア、ソフトウェア開発者にも適しています。すべてのセクションが無料リソース（記事、YouTube動画、コース）のみにリンクしているため、予算が限られた自習者にも適しています。

ハイライト

• 基礎からトレーニング、デプロイ、ポートフォリオ作業へと論理的に進む構造化された段階的カリキュラム
• 高品質でほとんど無料のリソースを厳選：図解記事、Karpathyと3Blue1Brownの動画、大学スタイルのコース、実用的なノートブック
• 実践的なファインチューニング練習のための14の無料Colabノートブックを含む
• 技術的な深さ（アテンション、PEFT、量子化、RLHF）と実用的な本番トピック（RAG、エージェント、LLMOps、セキュリティ）の両方をカバー
• 雇用主にスキルを示すためのポートフォリオ構築プロジェクトで終了