├── PART1
│ ├── 【配套】python基础
│ │ ├── Lesson 1.Hello World!
│ │ ├── Lesson 2.数值型对象的创建
│ │ ├── …
│ │ ├── Lesson 5.字符串型对象的创建
│ │ ├── …
│ │ ├── Lesson 9.列表对象的创建与索引
│ │ ├── …
│ │ ├── Lesson 14.字典对象的创建与索引
│ │ ├── …
│ │ ├── Lesson 19.控制语句（一）：判别语句
│ │ ├── …
│ │ ├── Lesson 22.函数（一）：函数的使用
│ │ ├── …
│ │ ├── Lesson 25.类的创建
│ │ ├── …
│ │ ├── Lesson 27.NumPy基础
│ │ ├── …
│ │ ├── Lesson 30.Pandas入门
│ │ └── Lesson 31.DataFrame数据结构基础
│ ├── 第一阶段 大模型顶尖架构原理精讲
│ │ ├── 00 不同基础不同目标的学习路径规划
│ │ ├── 【Transformer】1 Transformer与注意力机制入门
│ │ ├── 【Transformer】2 Attention注意力机制的本质
│ │ ├── 【Transformer】3 Transformer中的注意力计算流程 & 多头注意力机制
│ │ ├── 【Transformer】4 Transformer的基本架构
│ │ ├── 【Transformer】5 Embedding与位置编码
│ │ ├── …
│ │ ├── 【Transformer】8 编码器结构详解之残差链接
│ │ ├── …
│ │ ├── 【Transformer】11 完整Transformer结构下的解码器Decoder
│ │ ├── …
│ │ ├── 【Transformer】13 掩码与掩码注意力机制
│ │ ├── …
│ │ ├── 【Transformer】16 Decoder-Only结构下的Decoder
│ │ ├── 【LLaMA】1 LLaMA中的Decoder架构详解
│ │ ├── …
│ │ ├── 【LLaMA】3 RMSNorm均方根层归一化
│ │ ├── 【LLaMA】4 旋转位置编码ROPE
│ │ ├── …
│ │ ├── 【LLaMA】5 KV缓存的原理与初步实现
│ │ ├── …
│ │ └── 【LLaMA】原理与架构复现 Part 4
│ ├── 【配套】10小时NLP高效入门
│ │ ├── 01_【神经网络入门】1 SSE与二分类交叉熵损失
│ │ ├── 02_【神经网络入门】2 二分类交叉熵的原理与实现
│ │ ├── 03_【神经网络入门】3 多分类交叉熵的原理与实现
│ │ ├── 04_【DNN】1 梯度下降中的两个关键问题
│ │ ├── 05_【DNN】2.1 反向传播的原理
│ │ ├── …
│ │ ├── 10_【DNN】5.2 在Fashion-MNIST数据集上实现完整的神经网络（下）
│ │ ├── …
│ │ ├── 16_【RNN】3.1~3.2 RNN的架构与数据流
│ │ ├── …
│ │ ├── 18_【RNN】3.4.1 认识PyTorch中nn.RNN层
│ │ ├── …
│ │ ├── 23_【RNN】3.4.6【加餐】手动实现RNN执行情感分类任务
│ │ ├── …
│ │ └── 26_【RNN】3.5.2 RNN各类缺陷的数学本质
│ └── 【配套】2小时从0到1训练LlaMA模型
│ ├── 01 环境准备与算力准备
│ ├── 02 预训练微调数据集准备
│ ├── 03 训练定制化Tokenizer
│ ├── 04 llama-like模型的预训练（上）
│ ├── 05 llama-like模型的预训练（下）
│ └── 06 指令微调 + 结果展示
└── PART2
├── 【配套】大模型必备PyTorch基础
│ ├── Lesson 1 张量的创建与常用方法
│ ├── Lesson 2 张量的索引、分片、合并及维度调整
│ ├── Lesson 3 张量的广播和科学运算
│ ├── Lesson 4 张量的线性代数运算
│ ├── Lesson 5 基本优化方法与最小二乘法
│ ├── Lesson 6 动态计算图与梯度下降入门
│ ├── …
│ ├── Lesson 7.3 深入理解PyTorch框架
│ ├── …
│ ├── Lesson 8.3 二分类神经网络的原理与实现
│ ├── …
│ └── Lesson 9.5 从0实现深度神经网络的正向传播
└── 【配套】大模型入门基础
├── …
├── 06_Ch 1.2 本地调用OpenAI API方法
├── 07_Ch 2.1 Completion模型与Chat模型介绍
├── 08_Ch 2.2 Completion.create函数参数详解
├── …
├── 11_Ch 3.1 大语言模型原生能力与涌现能力介绍
├── 12_Ch 3.2 提示工程技术入门
├── 13_Ch 4.1 One-shot&Few-shot提示方法
├── 14_Ch 4.2 Zero-shot-CoT提示法（新）
├── …
├── 18_Ch 5.2 针对SCAN数据集的Few-shot-LtM提示工程流程
├── …
├── 22_Ch 7.1 Chat Completion模型API详解
├── …
└── 24_Ch 7.3 基于特定知识的简易问答机器人创建方法
