本人目前情况：从事后端开发工作，工作涉及过一点 Agent 的知识，对于 MCP 、RAG 有一些模糊的认识
希望达到的目标：学习一些关于大模型相关的知识，模型微调（对这个比较感兴趣，需要学习哪些东西？）、部署、大模型应用开发，快速入门到能找到工作的水平
问题：哪些知识是必须的？有没有比较完整的学习路线？对于底层比较原理性的东西是否可以先跳过，工作后再深入学习？
请各位大佬多多指教！
 |
1
TimePPT PRO 不建议看 fine tuning 相关的内容，这个基本上不属于工程范畴。如果硬学，可以从理解 LORA 开始……
Prompting 相关的可以看这个 https://www.promptingguide.ai/zh 模型部署没啥难的，现在各家云平台基本上很成熟的 pipeline 了，且大厂有自己的 pipeline 技术栈和要求，找几家云服务厂商看下官方部署文档就 ok 了 |
|
2
TimePPT PRO @TimePPT 还有微调要真想玩玩，记得 Azure / Amazon AWS 都有专门的模型微调平台，或者 OpenAI 自己部分模型支持微调，直接后台或者调接口就行。
想上手训模型微调模型，可以试着看看 pytorch / transfermers 的文档，看看能不能看进去，遇到不懂的概念再顺手查？ |
 |
3
iOCZS 4 小时 2 分钟前
这类书籍多得汗牛充栋了吧
|
 |
4
emSaVya 3 小时 49 分钟前
不明白后端去做 mlops 会有啥收益吗？你做后端产品做出增量来了 好歹有点 kpi 收益。你做 mlops 有啥收益啊 做得好功劳是模型/策略/算法的 服务挂了 锅是你的。
|
 |
5
nayenizhenmei 3 小时 39 分钟前
我也一直找不到学习的路径和开源项目，我也知道一些书籍有，但更想看一些网络上的帖子教程
|
 |
6
huangyezhufeng 2 小时 38 分钟前
“底层比较原理性的东西是否可以先跳过”
个人认为可以的 “模型微调”需要学习的东西 我建议看 Natural Language Processing with Transformers ，Huggingface 工程师写的，可以跟着敲代码，也没那么多底层细节。适合 Learning by doing. 后面想补 LLM 底层原理知识，可以看 Build a Large Language Model (From Scratch)和 Super Study Guide: Transformers & Large Language Models. 如果对深度学习基础不熟，可以先从一些基础的知识学起。比如读一下 Neural Networks and Deep Learning(NNDL)。 https://datahonor.com/blog/2025/02/20/dl_book/ 这里简单写了上面几本书和其他一些相关书籍的书评，也可以参考看下。 |
Select Language