wandb/edu

这个项目是什么

这是 Weights & Biases (W&B) 的公开仓库，该公司是流行的机器学习实验跟踪平台背后的公司。它包含免费的人工智能学习资料，按主题组织。这些资料旨在补充 W&B 的付费在线课程，但 README 说明它们也可以独立使用。

主要内容：按类别划分的课程材料

该仓库列出了四个领域的课程式材料：

1. 大型语言模型 (LLM) — 六门课程，包括：

• RAG++ — 面向工程师的实用“检索增强生成”技术：生产就绪的方法，用于提高性能、降低成本和提高准确性。
• LLM 提示开发人员指南 — 提示工程基础，从系统提示到特定模型的策略。
• LLM 工程：结构化输出 — 处理结构化 JSON 输出、函数调用和复杂验证。
• 构建 LLM 驱动的应用 — 使用 LLM API、LangChain 和 W&B 的 LLM 工具构建应用。
• 训练和微调 LLM — 架构、训练和微调方法，包括 LoRA 和 RLHF。
• 评估和调试生成式 AI — 使用 W&B 平台评估和调试生成式 AI 工作。

2. MLOps（机器学习运维）— 五门课程，涵盖模型 CI/CD、模型开发工作流、使用 GitHub Actions 的类似 GitOps 的 ML CI/CD、生产管道中的数据验证，以及使用 ML 进行业务决策优化。

3. W&B 工具 — 两门课程：

• W&B 101 — 实验跟踪、可视化和优化入门。
• W&B 201：模型注册表 — 高级模型管理：记录、注册和管理 ML 模型。

4. 国际课程 — “有效 MLOps：模型开发”课程的韩语和日语版本。

其他资源

• 面向教育工作者：一个文件夹，包含面向教育工作者、助教和学生的材料。
• 机器学习数学：机器学习数学复习。

如何访问所有内容

所有材料都位于 GitHub 仓库（此项目）中。课程注册和更多信息请访问 W&B AI 学院网站 (wandb.courses)，README 中有链接。

总结： 如果你想学习 LLM 工程、MLOps 或 W&B 自己的工具——使用结构化、讲师设计的材料——这个仓库是一个自助起点，即使不参加付费课程也可以。