llm-course：用路线图和实践笔记本系统学习大语言模型
一分钟看懂
llm-course 是一套免费的开放课程，为希望进入大语言模型领域的学习者提供路线图、文章和可运行的 Colab 笔记本。课程分为三部分：可选的基础知识、侧重模型训练与优化的 LLM Scientist，以及侧重应用开发和部署的 LLM Engineer。
你可以用它做什么
- 补齐数学、Python、机器学习、神经网络和自然语言处理基础。
- 学习大语言模型的架构、预训练、后训练数据、监督微调、偏好对齐与评估。
- 通过 Colab 笔记本实践模型微调、量化、合并和数据处理。
- 按 LLM Scientist 或 LLM Engineer 路线规划后续学习。
- 查找作者整理的论文、教程、工具和模型优化资料。
主要能力
课程把概念路线与实践材料结合起来。基础部分解释进入机器学习和自然语言处理所需的知识；LLM Scientist 路线覆盖模型训练、数据集、微调、量化、对齐和评估；LLM Engineer 路线面向基于大模型构建应用及部署。仓库还提供多个专题笔记本，例如使用不同工具微调开源模型、将模型量化为适合本地运行的格式，以及合并模型和处理数据集。
适合哪些人
- 想系统进入大语言模型领域，但不清楚学习顺序的开发者。
- 已掌握 Python，希望继续学习模型训练、微调和应用开发的人。
- 需要公开课程材料、实验笔记本和延伸阅读的学生或教师。
- 想快速了解常见后训练与模型压缩技术的机器学习工程师。
怎么开始使用
先阅读仓库首页的三条学习路线，根据自己的背景决定是否从基础部分开始。需要实践时，打开对应的 Colab 笔记本并按说明配置运行环境；涉及微调或量化的实验通常需要 GPU。建议一次选择一个主题，先理解概念和资源，再运行笔记本并记录模型、数据、显存和参数配置，方便复现实验。
使用前需要知道
仓库采用 Apache License 2.0，课程本身免费。它是一套持续更新的学习资料，不是带有统一进度、作业批改或证书的正式教学平台。部分笔记本依赖第三方云服务、模型、数据集或较新的工具版本，免费 Colab 资源不一定足以运行所有实验；外部服务也可能有费用和使用限制。模型训练与微调需要理解数据许可、隐私和输出风险，不能把示例结果直接视为生产质量。