本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。
自学AI大模型需要扎实的基础知识、系统的学习路线和持续的实践与探索。希望这条学习路线能为新手小白们提供一个清晰的方向，帮助大家更好地进入和发展在AI大模型领域。祝大家学习顺利，早日成为AI领域的专家！
可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。
本文提供了完整的AI大模型学习路线，从数学基础（线性代数、微积分、概率统计）和编程基础（Python、数据结构算法）入手，逐步深入机器学习和深度学习理论，最后探索大模型技术。文章还推荐了丰富的学习资源，包括经典书籍、实践项目，并提供了免费的学习资料包，适合零基础小白系统学习AI大模型技术。通过系统学习和实践，读者可掌握从基础理论到实际应用的完整技能链。
一、前置知识：
Python基础、Linux基础
学习目的：
- 熟练掌握Python语言，熟悉常用的Python库和工具，如NumPy、Pandas、Matplotlib、Scikit-learn、TensorFlow、PyTorch等。
- 具备NLP相关的基础知识，包括文本预处理、分词、词性标注、命名实体识别、词向量表示等。
- 对大模型有一定了解，包括Transformer模型的结构和原理、基于注意力机制的自然语言处理技术等。
学习内容： 廖雪峰 python 教程
学习要求： 熟练掌握并能够编写基础的python函数、语法等，能够熟练使用Linux系统
阶段1：NLP相关基础知识
学习目的：
- 了解文本预处理、分词、词性标注、命名实体识别、词向量表示等基础知识。·掌握自然语言处理（NLP)相关技术，如分词、词性标注、命名实体识别、句法分析等。
- 掌握机器学习中的数据预处理、特征提取、分类、回归等基础算法，并了解其在NLP领域的应用。
- 了解大规模NLP任务中的常用技术和方法，如深度学习中的Transformer模型、BERT、GPT等。
学习内容： 李沐动手学深度学习大模型理论基础
学习要求： 理解并掌握机器学习、深度学习、自然语言处理的基础概念，最好能够阅读并吸收课程中提到的经典论文，能够独立实现在colab上训练模型（小模型）
阶段2：API 调用及 Prompt设计
学习目的：
- 了解GPTAPI的调用方式和基本操作，熟悉Prompt设计技巧和要点，能够结合自己的任务调用API实现对应的任务代码。
学习内容：
- API调用教程
- 常用Prompt
学习要求： 了解大模型以及对应NLP知识的基础原理，能够熟练调用GPT API，编写Prompt 完成各种任务。
阶段3：模型微调(Fine-tuning)
学习目的： 了解常见的微调模型的基本流程和原理，熟悉数据集的构造、训练、评估等过程，能够独立构建QA对，在服务器上对模型进行微调。
学习内容：
- QA问答对微调数据构建
- LLM全流程框架
- 手把手微调教程
学习要求： 能够独立完成大模型的微调数据构建、训练以及部署工作。
阶段4：RAG（外挂数据库）
学习目的： RAG作为目前最火的一个LLM落地方向，可以结合私有数据(表格、word、txt、pdf、数据库皆可）实现本地问答，且训练成本较低，可以快速实现效果。
学习内容：
- Langchain
- FastGPT
- RAG进阶优化
学习要求： 能够在本地实现基于大模型的外挂部署方案。
最后
199集从入门到精通的全套视频教程（包含提示词工程、RAG、Agent等技术点） 
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。