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

它解决了什么问题

大型语言模型（LLM）现在无处不在——聊天机器人、搜索、编码助手、代理等等。但学习它们可能会让人不知所措，因为这个领域庞大且分散在博客文章、论文、视频和课程中。这个仓库将最好的免费资源组织成一条结构化路径，使任何人都能从不知道什么是transformer到构建和部署真正的LLM应用，而不会迷失方向。

它是如何工作的

路线图分为四个部分，相互构建。第一部分涵盖LLM基础：架构、transformer、注意力机制、分词、嵌入和解码策略。它指向经典的解释性资源，如Jay Alammar的图解Transformer和Andrej Karpathy的视频系列。第二部分进入从零开始构建和训练LLM——数据集准备、指令微调、微调（包括参数高效方法如LoRA和QLoRA）、评估、量化、RLHF对齐，以及如何跟上研究进展。第三部分转向生产：提示工程、向量数据库、RAG、LLM代理、推理优化、LLMOps、安全、部署、本地模型运行工具和MCP。最后一部分是关于作品集项目——想法和指导性工作，让学习者展示他们构建的内容。

适合谁

它专为希望逐步掌握LLM的绝对初学者设计，也适合希望深化LLM技能的数据科学家、机器学习工程师、AI工程师和软件开发人员。由于每个部分只链接到免费资源（文章、YouTube视频、课程），它也适合预算有限的自学者。

亮点

• 结构化、分阶段课程，从基础到训练到部署再到作品集工作逻辑推进
• 精选高质量、大多免费的资源：图解文章、Karpathy和3Blue1Brown的视频、大学风格课程和实用笔记本
• 包含14个免费的Colab笔记本，用于动手微调练习
• 涵盖技术深度（注意力、PEFT、量化、RLHF）和实际生产主题（RAG、代理、LLMOps、安全）
• 以构建作品集项目结束，让你向雇主展示技能