25+ 业界专家的 LLM 开源课程

今天，我们正式发布 Mastering LLMs：一套由一线从业者讲授的系列工作坊与演讲，主题涵盖 evals、检索增强生成（RAG）、fine-tuning 等。这门课程的独特之处在于：

• 由 25 位以上的行业资深人士授课。他们是信息检索、机器学习、推荐系统、MLOps 和数据科学领域的专家。我们会讨论如何将这些领域积累的方法应用到 LLMs 中，帮助你获得真正有意义的优势。

• 专注于应用型主题，面向正在构建 AI 产品的人。

• 完全免费，向所有人开放。

我们整理并标注了广受欢迎的付费课程中的演讲内容。¹ 这是一门面向技术 IC（包括工程师和数据科学家）的概览课程，适合已经具备一定 LLMs 使用经验、希望了解如何改进 AI 产品的人。

如何最大限度地发挥课程价值

这门课程默认你已经对 LLMs 有基本了解。如果你还没有任何相关经验，我们建议先观看 A Hacker’s Guide to LLMs。如果你对 fine-tuning 感兴趣，我们还建议学习 Instruction Tuning llama2 教程。²

如何浏览课程内容

整套课程包含超过 40 小时的内容。为了帮助你更高效地浏览，我们提供了：

• 按主题领域组织的内容：evals、RAG、fine-tuning、应用构建和 prompt engineering。

• 章节摘要：快速浏览每场演讲涉及的主题，并直接跳转到感兴趣的部分。

• 笔记、幻灯片和学习资源：既包括演讲中使用的材料，也包括可供进一步学习的资源。很多时候，我们还准备了非常详尽的笔记！

要开始学习，请进入课程页面，探索你感兴趣的主题。与你无关的部分可以直接跳过。我们对每个主题下的演讲进行了专门编排，以优化你的学习体验。请务必查看章节摘要、笔记和学习资源，它们能帮助你聚焦最相关的内容，并在需要时进一步深入。这是一门概览课程，因此重点是介绍各个主题，而不是深入讲解代码。为了巩固理解，我们建议把学到的知识应用到个人项目中。

学员怎么说

以下是部分课程学员的评价：³

Sanyam Bhutani，Meta Partner Engineer

2017 年曾有过一段神奇的时期，fastai 改变了整个深度学习世界。这门课程也做了同样的事：它把高度实用的知识延伸到了 LLMs 领域。顶尖的老师毫无废话地把自己的知识传授给你。

Laurian，全栈计算语言学家

这门课程堪称传奇，至今依然如此，Discord 上的社区也非常棒。我已经把这些课程学了两遍，但还得再学一次，因为只有当你在自己的部署中真正遇到这些问题时，才会体会到其中如此之多的细微之处！

太棒了！这是一套对 LLMs 有着鲜明观点的课程，内容从工具一直覆盖到 fine-tuning。讲者非常优秀，带来了一些目前能找到的最佳课程和建议！这套令人惊叹的课程、工作坊和大会，汇集了大量真实世界的经验，以及你在网上其他任何地方都找不到的技巧！感谢 Dan 和 Hamel 促成这一切！

Marcus，软件工程师

Mastering LLMs 大会解答了我的几个关键问题，包括什么时候应该对基础模型进行 fine-tuning、如何构建评估套件，以及什么时候应该使用 RAG。这些课程非常有价值，让我全面了解了构建和部署定制 LLMs 时涉及的技术挑战与注意事项。

Ali，SCTY 负责人兼创始人

这门课程后来发展成了一场大会，汇集了众多知名从业者。他们的专业能力以及对这个领域的贡献已经令人赞叹，而比这些更令人印象深刻的，只有他们慷慨分享的精神。

Lukas，软件工程师

大量背景各异的讲者从不同路径探讨同样的主题，有人推崇某些工作流，也有人对其提出批评，这让课程极具价值。尤其是网上的很多信息都来自背后正在开发商业产品的人，因此自然会偏向 fine-tuning、RAG、开源 LLM、OpenAI LLM 等特定方案。能像这样把如此多样的观点汇集在一起，实在非常难得。谢谢！

我一直在持续学习 LLMs，也很乐于分享自己的发现和思考。如果你对这段探索之旅感兴趣，可以考虑订阅。

• 不定期发送邮件，分享我对 LLMs 的最新洞见

• 抢先阅读新内容

• 不发垃圾信息，只有真实的思考与发现

https://maven.com/parlance-labs/fine-tuning。我们的第一期课程有超过 2,000 名学员。购买原始课程的学员可以提前访问课程材料、参加 office hours、获得丰厚的算力额度，并加入活跃的 Discord 社区。↩︎

https://maven.com/parlance-labs/fine-tuning。我们的第一期课程有超过 2,000 名学员。购买原始课程的学员可以提前访问课程材料、参加 office hours、获得丰厚的算力额度，并加入活跃的 Discord 社区。↩︎

我们发现，即使你从未打算进行 fine-tuning，对模型进行 instruction tuning 仍然是一段非常有价值的学习经历，因为它能让你熟悉以下主题：（1）使用开放权重模型；（2）生成合成数据；（3）管理 prompts；（4）fine-tuning；（5）生成预测结果。↩︎

我们发现，即使你从未打算进行 fine-tuning，对模型进行 instruction tuning 仍然是一段非常有价值的学习经历，因为它能让你熟悉以下主题：（1）使用开放权重模型；（2）生成合成数据；（3）管理 prompts；（4）fine-tuning；（5）生成预测结果。↩︎

这些学员评价摘自 https://maven.com/parlance-labs/fine-tuning。↩︎

这些学员评价摘自 https://maven.com/parlance-labs/fine-tuning。↩︎