微软生成式 AI 学习资源：微软手把手教你构建生成式 AI 应用！

本文链接：https://blog.youkuaiyun.com/pythonhy/article/details/147729898

本文介绍微软的 github 项目：generative-ai-for-beginners，项目地址：https://github.com/microsoft/generative-ai-for-beginners，为不可多得的学习生成式 AI 的宝贵学习资料，目前已有 75K stars。

“21个课程，教你所有需要知道的内容，以便开始构建生成式 AI 应用”。

课程内容包括生成式 AI 的方方面面，如提示工程、AI agents、模型微调、文本生成、图片生成、聊天应用、工具调用、RAG 等。

课程介绍

这门课程共有 21 课，每节课都有相应的主题，学习者可以从任何一课开始学习！

课程标记为“Learn”课（解释生成式人工智能的概念），或标记为“Build”课（实践课，解释概念并提供 Python 和 TypeScript 的代码示例）。

每节课还包括一个“继续学习”部分，提供额外的学习工具。

每节课包括的内容：

一个简短的视频介绍主题
关于课程的书面介绍。
Python 和 TypeScript 代码示例（支持 Azure OpenAI 和 OpenAI API）。
额外学习资源链接，用于进一步的学习。

️课程目录

课程开始：设置开发环境。
生成式 AI 和 LLMs 入门：了解生成式 AI 是什么以及大型语言模型（LLMs）如何工作。
探索和比较不同的 LLMs：根据使用场景选择合适的模型。
使用生成式 AI：构建生成式 AI 应用程序。
理解提示工程基础：提示工程最佳实践。
创建高级提示：如何应用提示工程技术来提高提示的效果。
构建文本生成应用：使用 Azure OpenAI / OpenAI API 构建文本生成应用。
构建聊天应用：高效构建和集成聊天应用的技巧。
构建搜索应用和向量数据库：使用嵌入式技术搜索数据。
构建图像生成应用：构建图像生成应用程序。
构建低代码 AI 应用：使用低代码工具构建生成式 AI 应用程序。
通过 Function Calling 集成外部应用：Function Calling 介绍及其使用场景
AI 应用的用户体验设计：开发生成式 AI 应用程序时的用户体验设计原则。
保障生成式 AI 应用的安全：AI 系统面临的威胁和风险以及保障系统安全的方法。
生成式 AI 应用生命周期：管理 LLM 生命周期和 LLMOps 的工具和指标。
检索增强生成（RAG）和向量数据库：使用 RAG 框架从向量数据库中检索嵌入（embeddings）。
开源模型和 Hugging Face：使用 Hugging Face 上的开源模型构建应用程序。
AI 代理：使用 AI 代理框架构建应用程序。
微调 LLMs：微调 LLMs 的概念、原因和方法。
使用 SLMs 构建：使用小型语言模型（SLMs）构建应用程序的优势。
使用 Mistral 模型构建：Mistral 系列模型的特点和差异。
使用 Meta 模型构建：Meta 系列模型的特点和差异。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

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
- L2.3 流水线工程
- L2.4 总结与展望