大模型课程进阶英文4–8 周（按路线自选）★ 82k1 章可站内阅读
LLM Course
从入门到微调的 LLM 学习路线图 + Colab
Maxime Labonne · 81,559 stars
Maxime Labonne 维护的 LLM 学习路线与 Colab 实践课。它帮你在庞杂的开源生态里选路：基础、工具、微调、量化与部署线索都有对应材料。适合已有一点 ML/Python 基础、想系统进入大模型工程的人。
为什么收录 · GitHub 上最常用的 LLM 自学地图之一，路线图清晰、Colab 齐全，补齐站内「英文路线图课」空白。
LLM 路线图微调量化Colab开源模型工具链
这本书强在哪
- 超高星社区课，路线图清晰，材料更新活跃
- 大量 Colab notebook，降低本地环境摩擦
- 覆盖从认知到微调的「工程师向」路径，不是纯论文导读
- 适合作为 rasbt / MiniMind 之前的地图，或之后的工具补强
建议怎么学
- 01先只跟路线图走，标出自己要深挖的 3 个节点
- 02应用向：优先推理与工具章；训练向：优先微调与量化章
- 03每个 notebook 跑通后写清超参与失败原因
- 04要「从零实现」转 LLMs from Scratch；要中文系统书转 happy-llm
适合谁 / 前置
- Python 与基础机器学习概念
- 能使用 Google Colab / 云 GPU 更佳
- 了解 Transformer 名词有助于加速
学完得到什么
- 按路线图拼出自己的 LLM 学习路径
- 能跟随 notebook 完成量化、微调等关键实验
- 理解开源模型生态中的常见工具链
- 知道「应用向」与「训练向」该怎么分叉
目录
来自站内阅读器镜像；点击章节直接阅读
完整教程1 章
策展亮点章节
LLM 基础与生态工具与推理入门微调与对齐相关实践量化与部署线索扩展阅读与路线图
仓库数据
Stars81,559
Forks9,496
创建2023/6/18
更新2026/2/5
7abd96e8（main）· 许可证 Apache License 2.0 (Apache-2.0)。 上游更新后可通过同步脚本刷新。