大模型学习视频资源大全

面向嵌入式软件工程师，精选B站+YouTube中英文优质视频资源。
每部视频均附有内容简介，帮助你快速判断是否需要观看。

一、入门级（零基础 -> 理解大模型是什么）

1. 吴恩达 Generative AI for Everyone（AI for Everyone）

内容简介：
吴恩达专门为非技术人员设计的大模型通识课。不讲代码，不讲数学，用通俗语言解释：什么是生成式AI、大模型能做什么不能做什么、AI对企业和个人的影响、如何在一个组织中引入AI。这是建立"AI世界观"的最佳起点。

为什么值得看：吴恩达的讲解风格是全球公认最清晰的。6小时就能建立对AI的系统性认知，性价比极高。

2. 李宏毅 生成式AI（2024/2025课程）

内容简介：
台湾大学李宏毅教授的完整学期课程。从生成式AI的基础概念讲起，逐步深入到RNN、Transformer、GPT、BERT、扩散模型、多模态大模型等。每节课有PPT讲解+代码演示。课程幽默风趣，用大量动画和比喻解释复杂概念。

为什么值得看：这是华人世界里最好的AI课程之一。李宏毅擅长用"人话"解释技术，配合动画演示，比看论文轻松100倍。建议配合课件一起看。

3. 3Blue1Brown - 神经网络系列

内容简介：
用极其精美的数学动画讲解神经网络的核心概念：什么是神经网络、梯度下降是怎么回事、反向传播的数学原理。不写一行代码，但每个公式都用动画让你"看到"它在做什么。

为什么值得看：如果只能用10分钟理解梯度下降和反向传播，看这个系列。可视化质量全球顶级。

二、进阶级（理解大模型怎么工作）

4. 李沐 动手学深度学习v2

内容简介：
配套《动手学深度学习》教材的视频课程。李沐（Amazon首席科学家）亲自讲解，从线性回归讲起，一直讲到Transformer和大模型。每节课都是"概念讲解+代码实现+论文精读"的三段式结构。代码用PyTorch实现。

为什么值得看：华语圈AI学习的第一资源。李沐的讲解深入浅出，代码写得极其规范。建议配合教材一起看，视频建立直觉，代码加深理解。

5. 李沐 论文精读系列

内容简介：
精读AI领域的经典论文：Attention Is All You Need（Transformer）、BERT、GPT、ResNet、GAN等。每集拆解一篇论文的核心贡献、方法细节、实验结果。

为什么值得看：直接读论文太难，李沐帮你"嚼碎"了喂你。想深入理解Transformer，必看Attention Is All You Need的论文精读。

6. Andrej Karpathy - Neural Networks: Zero to Hero

内容简介：
前OpenAI/特斯拉AI总监Karpathy的封神课程。从最基础的微积分和梯度下降讲起，一步步手搓一个GPT模型。第1集讲微积分和梯度下降，第2集讲反向传播，第3集讲神经网络，一直到后面几集实现一个完整的GPT。全程写代码，不用框架。

为什么值得看：这是全球公认最好的"从零实现大模型"视频课程。Karpathy的讲解极其清晰，代码写得像教科书一样工整。如果你只想看一个系列来深入理解GPT的实现，就是这个。

7. Andrej Karpathy - Let's build GPT

内容简介：
一场直播式编程，Karpathy从零开始写一个GPT模型，边写边讲。从tokenizer到embedding到attention到训练循环，全部手写。观众可以实时看到代码从空白到完整。

为什么值得看：比起录播课程，直播式的"边写边讲"更能展现一个有经验的AI工程师的思考过程——先写什么、怎么调试、遇到问题怎么排查。

8. StatQuest - Transformer神经网络系列

内容简介：
用动画+通俗语言讲解Transformer的每个组件：什么是注意力机制、Q/K/V分别是什么、多头注意力在做什么、位置编码的作用。每集只讲一个概念，讲透为止。

为什么值得看：如果你觉得Transformer太复杂，StatQuest帮你把它拆成6个能理解的小块。动画质量一流。

三、实战级（能跑起来、能用起来）

9. Prompt Engineering 教程（DeepLearning.AI）

内容简介：
吴恩达和OpenAI合作推出的Prompt工程课程。两条核心原则（写清晰指令、给模型思考时间）+ 六个具体策略（分隔符、结构化输出、检查条件、few-shot提示等）。短小精干，学完就能用。

为什么值得看：1.5小时学会Prompt工程的系统方法，可能是ROI最高的1.5小时。

10. 跟李沐学AI - 大模型微调实战

内容简介：
讲解如何微调一个大模型：数据准备、LoRA实现、训练参数调优、效果评估。使用开源工具（如LLaMA-Factory、HuggingFace）进行实操。

为什么值得看：从"会用API"到"会微调模型"的关键一步。嵌入式场景下，微调一个开源小模型部署到边缘设备，是非常实际的需求。

11. Hugging Face 官方教程

内容简介：
Hugging Face官方出品的系列教程，覆盖Transformer库的使用、预训练模型的加载和微调、数据集处理、模型部署等。

为什么值得看：Hugging Face是AI领域的"GitHub"，学会用它就学会了调用几乎所有开源大模型。

四、观看建议

第一阶段（认知建立，1-2周）
  吴恩达 AI for Everyone -> 3Blue1Brown 神经网络 -> 吴恩达 Prompt Engineering

第二阶段（技术深入，3-6周）
  李沐 动手学深度学习 -> 李沐 论文精读（Transformer篇）

第三阶段（硬核实现，4-8周）
  Karpathy Neural Networks Zero to Hero -> Karpathy Let's build GPT

第四阶段（实战应用，持续）
  李沐 大模型微调实战 -> Hugging Face 官方教程