OpenBMB x 清华NLP：20小时大模型公开课带你从入门到精通
👆关注公众号获取课程资料
在 OpenBMB 公众号回复“ 大模型课程 ”
立即获得课程资料 加入公开课交流微信群
近年来，人工智能领域最火热的话题，莫过于大模型。
然而，大模型训练所需要的庞大算力与海量数据，却让大部分爱好者望而却步。那么，我们是否只能对大模型技术保持观望呢？
近来，越来越多开源模型、技术和工具的出现让广大研究者都能够有机会了解与使用大模型，并进一步探寻大模型的内部机理。比如 OpenBMB 推出的大模型全流程工具包，就旨在推动大模型的工具化、标准化与普及化，做到 “让大模型飞入千家万户”。
虽然大模型目前仍处在前沿研究阶段，但我们每个人也应该保持对于大模型技术的充分了解，才能进一步推动大模型的研究与落地，并且在大模型时代到来之时，在学术前沿与业界实践中发挥自己的一份力。
为此，OpenBMB 携手 清华大学自然语言处理实验室，共同推出 大模型公开课，意在为对大模型感兴趣的同学提供相关资源，为大模型领域的探索打下基础。本课程将手把手带领同学从深度学习开始快速了解大模型的相关理论和实践，最后利用所学知识进行前沿问题的探索。
课程有如下特点：
课程面向广大的大模型爱好者，课程内容从自然语言处理基础知识到前沿开放问题，不论是计算机专业还是其他学科背景，相信你都会有所收获。
课程将会从 Git、Bash 开始进行大模型相关工具的使用教学，介绍包括PyTorch、HuggingFace Transfomers、OpenPrompt、OpenDelta、OpenBMB 大模型套件等工具。
课程将探索大模型在生物医学、法律智能与脑科学领域的前沿研究与交叉应用。课程希望通过这些应用启发广大爱好者，大家共同探索大模型在各个领域的创新应用。
课程每节原时长 135 分钟，我们根据课程内容进行 详细分集 与 精心剪辑，并且全套课程提供 配套字幕，使大家获得更好的学习体验。
- b站视频集合
课程官方网站：
课程视频经剪辑后也将发布在 OpenBMB 的 B 站官方账号，欢迎大家一（ri）键（chang）三（cui）连（geng）！
课程分为三大部分，共九节课，每节课程原时长 135 分钟。
▶ 第一部分：大模型基础知识
第一节 自然语言处理基础知识
第二节 神经网络基础知识
第三节 Transformer 与预训练模型
▶ 第三部分：大模型交叉应用
在 OpenBMB 公众号回复“ 大模型课程 ”获得课程资料并加入公开课交流微信群，与各位同学一起探讨大模型技术！在课程学习过程中，欢迎大家针对课程内容、视频字幕等提出意见与建议，表现积极的同学将会得到 OpenBMB 的精美周边！
课程主要团队
刘知远
清华大学计算机系副教授
智源青年科学家主要研究方向为自然语言处理、知识图谱和社会计算。在人工智能领域著名国际期刊和会议发表相关论文 200 余篇，Google Scholar 统计引用超过 2.3 万次。曾获教育部自然科学一等奖、中国中文信息学会钱伟长中文信息处理科学技术奖一等奖等。
清华大学计算机系博士生主要研究方向为信息检索和问答，已在 SIGIR 等发表论文 3 篇，开源工具包 OpenMatch 维护者之一，曾获 SIGIR 最佳短文奖。
清华大学计算机系博士生主要研究方向为大模型架构，已在 ACL 等发表论文 2 篇，曾获清华大学计算机系优秀本科生毕业论文奖。
清华大学计算机系硕士生
主要研究方向为大模型高效微调，已在 ACL 等发表论文 6 篇，开源工具包 OpenPrompt, OpenDelta 主要作者之一，Google Scholar 引用 2168 次，曾获国家奖学金等荣誉。
清华大学计算机系博士生主要研究方向为预训练语言模型，已在 ACL 等发表论文 10 篇，开源工具包 BMCook 主要作者之一。
清华大学计算机系博士生主要研究方向为安全 NLP，已在 ACL、KDD 等上发表论文 4 篇，开源工具包 OpenBackdoor 主要作者之一，Google Scholar 引用 2240 次。
清华大学计算机系博士生主要研究方向为生医自然语言处理，已在 Nature Communications 等发表论文 2 篇。
清华大学计算机系博士生主要研究方向为法律智能、文本表示，已在 ACL 等发表论文 5 篇。
清华大学计算机系博士生主要研究方向为预训练语言模型，已在 ACL、ICLR、NAACL 等发表论文 10 篇。
欢迎大家积极参与课程，并祝愿大家能够有所收获。让我们一起努力，为大模型时代添砖加瓦！
https://www.openbmb.org
技术文章
长期开放招聘｜含实习
👏期待您的关注与加入👏