一个包含机器学习、深度学习与大语言模型（LLM）知识的最全八股！
» 推荐aicoting网站在线阅读 »
本项目旨在系统整理与分享AI与大语言模型（LLM）相关的核心知识、面试内容、实际应用场景及部署技巧。内容涵盖从基础概念、主流模型对比、Prompt 设计、模型微调到工程部署的完整流程，帮助开发者、研究者以及求职者高效掌握大模型领域的关键能力。
- 📚 计算机专业基础知识
- 🖥️ 开发
- 🐫 机器学习
- 🐫 深度学习
- 🐱 深度学习概述
- 🪄 数学与理论基础
- 🐳 神经网络基础
- 🐳 深度网络结构
- 🦐 卷积神经网络
- 🦑 卷积层
- 🦋 池化
- 🐹 经典架构-LeNet
- 💽 经典架构-AlexNet
- 🦐 经典架构-VGG
- 🦑 经典架构-ResNet
- 🦋 经典架构-DenseNet
- 🐹 经典架构-EfficientNet
- 💽 标准RNN
- 🦐 LSTM
- 🦑 GRU
- 🦋 Seq2Seq
- 🐹 Attention
- 💽 Encoder-Decoder架构
- 🦐 Transformer整体架构
- 🦑 自注意力机制
- 🦋 从零开始实现Transformer
- 🐹 Bert
- 💽 GPT
- 💽 Vision Transformer
- 🐳 模型训练与优化
- 🦐 Dropout
- 🦑 Normalization
- 🦋 Label Smoothing
- 🐹 Gradient Clipping
- 💽 数据增强
- 🦜 大模型
- 📚 基础知识
- 📑 大模型架构
- 📘 一文弄懂MOE
- 🔔 经典大模型
- 🤾♂️微调技术
- 🤸♀️一文搞懂什么是微调
- 🤸♂️一文搞懂微调技术的发展与演进
- 🤸LORA
- ⛹️一文搞懂LoRA如何高效微调大模型
- ⛹️♂️LoRA详细步骤解析
- ⛹️♀️一文搞懂如何用QLoRA高效微调大语言模型
- 🤾♀️一文理解AdaLoRA动态低秩适配技术
- 🚴♀️一文理解提示微调（Prefix Tuning_Prompt Tuning_P Tuning）
- 🚵♀️一文弄懂RLHF（基于人类反馈的强化学习）的核心原理
- 🚲从原理到实战：RLHF（人类反馈强化学习）完整流程
- 🚴♂️一文理解监督微调(SFT)在大语言模型训练中的作用
- 🚵♂️一文理解PPO的核心机制与大模型中的应用
- 🚴DPO是怎么通过偏好数据直接优化大模型的？
- 🚵GRPO：让大模型对齐更高效的优化方法
- 🍔大模型框架
- ✌️大模型评估
- 🧐 RAG
- 📑 Data-Juicer原理及使用
- 🔔 论文/技术报告
- 🚛神经网络经典论文
- 🏀 GPT
- 📣LLAMA
- 🧙♀️DeepSeek
- 🧙♂️deepseek_llm
- 🧙deepseek_moe
- 🦸deepseek_v2
- 🦸♂️deepseek_v3
- 🦸♀️deepseek_r1
- 🫐 AI Infra
- 💰 分布式训练
想找人一起：
🤔 深夜讨论模型结构优化？
💡 头脑风暴科研点子？
🧪 分享面试、比赛、科研经验？
那欢迎加入交流群【AI进阶之路】
在这里我们一起：
👉交流模型优化思路、训练加速技巧、复现经验；
👉分享博客内容背后的思考，探讨代码设计与实验细节；
👉吹水科研生活，也卷一卷代码人生。
📌 群友包括：研究生、算法工程师、AI爱好者、自学深度学习的朋友们
🎯 目标是：打造一个真·有价值的成长社区！
📬 进群方式：扫描下方二维码添加我微信（备注“进群 ”）
👇(由于人数限制，人数超过200就会加入新建的群)
我相信： “分享是一种信仰，连接让成长更有温度。”
如果你也在：
寻找方向、沉淀能力；
在技术 or 学术路上狂奔；
希望有伙伴、有资源、有灵感……
那就关注我吧，我们一起成长，一起搞事情！
正在更新ing，如果小伙伴对其他内容感兴趣欢迎联系我们😊😊！
仓库中如有侵权请联系删除。
微信公众号：aicoting，该公众号主要分享AI与大语言模型（LLM）相关的核心知识、面试内容、实际应用场景及部署技巧等。
如果我们这个项目对你有所帮助，请给我们一颗 ⭐️