基本概念学习
a) Andrej Karpathy 的 - 大型语言模型简介：https://www.youtube.com/watch?v=zjkBMFhNj_g
该视频对 LLMs 进行了一般性和高级的介绍，涵盖推理、缩放、微调、安全问题和提示注入等主题。
b) Nvidia 的生成式 AI 介绍：Course Detail | NVIDIA
注意：
本课程需要您先登录 nvidia，然后才能看到详细信息。
基本用法学习
a) 微软面向初学者的生成式人工智能：Generative AI for Beginners
我个人发现这是一门优秀的课程，涉及LLMs、提示、RAG、代理、多模式等。
b) Google 的云技能提升：Google Cloud Skills Boost
没有试过，但内容看起来还不错。
提示词工程学习
请注意，提示词工程技术可能看起来很通用，但实际上每个模型系列通常都有适合它们的特定内容。如果您更改型号，可能需要调整提示以获得更好的结果。
（例如，Claude 2.x 使用 XML 标签进行约束或 1 shot 示例效果很好，GPT4 使用 JSON 效果更好）
a) 微软提示词工程简介：Azure OpenAI Service - Azure OpenAI | Microsoft Learn
b) OpenAI 的提示词工程指南：https://platform.openai.com/docs/guides/prompt-engineering
c) Anthropic Claude 的提示词工程指南：Prompt engineering
LLM学习
a) Andrej Karpathy 的 GPT 状态：https://www.youtube.com/watch?v=bZQun8Y4L2A
涵盖从标记到预训练、监督微调和人类反馈强化学习 (RLHF) 等内容。此外，还涵盖了有效使用这些模型的实用技巧和心理模型，包括提示策略、微调等。
b) 可视化介绍：Bycroft 的 LLMs：LLM Visualization
使用 nanoGPT、GPT2、GPT3 对 LLMs 进行出色的可视化和解释
生成式人工智能与机器学习
a) Andrew Ng 的机器学习简介：Machine Learning Specialization [3 courses] (Stanford) | Coursera
深入了解机器学习的权威课程。也涵盖了生成式人工智能。 （94 小时）
b) Fast.ai 的课程：Practical Deep Learning for Coders - Practical Deep Learning
c) 安德烈·卡帕蒂 (Andrej Karpathy) 的《从零到英雄》：Neural Networks: Zero To Hero
这是一个从头开始构建 GPT 的 YouTube 系列。
d) 3Blue1Browns 第 3 季 - 神经网络：https://www.youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi
建议从第一季学到第四季，更全面的学习。
e) Google 为高级开发人员提供的云技能提升：Google Cloud Skills Boost
其它
a) 斯坦福人工智能课程：Stanford A.I. Courses -- Stanford Artificial Intelligence Laboratory
b) Nvidia 深度学习研究所：Home | NVIDIA
该研究所有一些有趣的自定进度的学习路径。
c) Awesome-generative-ai 上的工具和各种资源列表：GitHub - steven2358/awesome-generative-ai: A curated list of modern Generative Artificial Intelligence projects and services