Hugging Face LLM Course

课程概览

Hugging Face 官方课程持续扩展，当前内容侧重 LLM 与 HF 工具生态。官方页面说明课程免费、需要较好的 Python 基础，并建议先学入门深度学习；Windows 用户可优先用 Colab。

学习目标

• 使用 Transformers 加载、微调并分享模型
• 掌握数据集和分词工具的常见流程
• 认识经典 NLP 与 LLM 微调、推理和评估主题

使用语言：Python

主要主题

• Transformer 与 Hub
• Datasets、Tokenizers 与 NLP 任务
• 模型微调与分享
• 数据整理、推理与进阶 LLM 主题

平台建议学时：约 40–80 小时。估算依据：平台估算：按核心章节阅读和运行练习；运行模型的硬件等待时间不计入。

官方与学习资源

课程 / 官方资源主页 ↗

• Hugging Face LLM Course ↗官方资源 · 收录时当前版本 · 公开访问
• 课程介绍、先修和章节结构 ↗官方资源 · 收录时当前版本 · 公开访问

查看已有课程资源页 → · 官方习题与练习入口 →

学习建议

• 使用 Colab 或受支持的 Linux/macOS 环境，先跑小模型。
• 先完成 tokenizer、数据和模型基本流程，再选一个进阶主题深入。
• 模型 Hub 上传前检查数据许可、凭据与隐私信息。

可选实践

• 微调一个小型公开模型完成文本分类，并记录数据来源、评估集与模型卡。