AI | Machine Learning | Deep Learning | NLP | LLM | ChatGPT

术语

AI、AIGC、AGI、token、LLM、大模型、GPT、ChatGPT、幻觉、AI agent、Prompt、Prompt Engineering、Function calling、Embedding、RAG、知识库、打标、标注、数据标注、标注数据(输入-输出对)、pair、召回、召回率、语义召回、向量(vector)、向量化、文本向量化、vector database、COT(Chain of Thought)、FSL(Few-Shot Learning)、Fine-tuning、SFT(Supervised Fine-Tuning,监督微调)、DPO 和 RLHF、模型训练、预训练、pre-training and post-training、模型压缩、量化(Quantization)、剪枝(Pruning)、知识蒸馏(Knowledge Distillation)、Model Distillation/Language Distillation(模型蒸馏)、推理优化(inference)、context window、泛化、泛化能力、拟合、过拟合、神经网络、超参、损失函数、自爆 AI、光谱、LoRA、scaling law

知识体系

学习重点:LLM,fine-tuning
学习目标:让 bot 学会某个人说话的风格
学习方法:

  • 带着目标和问题学习
  • 多动手:practice, practice, practice
  • 费曼学习法:包括写下来、写博客公众号、讲给别人听、做分享
  • 《软件能》的“十步学习法”:https://time.geekbang.org/column/article/127656
  • 学会利用 AI 工具(ChatGPT、Claude 等)辅助学习

学习计划

学习资料

必读(可以先扫一眼,快速浏览)🚀

官方文档、资源

书籍

技术原理类

应用实践类

知识库

课程

平台、工具

AI

机器学习(Machine Learning)

神经网络

LLM

ChatGPT

Claude

开源模型

AI Agent,AI 应用开发工具/平台

Langchain

LLM 调参

LLM 调优:Prompt Engineering, RAG, and Fine-tuning

Prompt Engineering

RAG

Fine-tuning

Function calling

评测(Evaluating&Testing)

安全(Safety)

AI Learning Roadmap

怎么用好 AI/AI 赋能/AI 的应用场景

AI 辅助编程

AI 辅助设计

开发实战

同行分享交流