CMU11-766
- 难度
- 见前置条件
- 形式
- 大学课程
- 语言
- 英文
- 规模
- 27 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
课件公开；作业需要模型 API 与 GPU。
- 练习与作业
- 模型 API 密钥（可能产生费用）GPU
学完你能
- 学习把大语言模型用于实践、学术和探索性应用
适合你吗
适合
已具备 LLM 基本概念与编程基础，想系统学习大语言模型 LLM、提示词设计的学习者。
暂不适合
前置知识不足、需要作业批改或学分证书的人：公开旁听一般不含批改、考试和证书，部分视频也可能不公开。
需要先会
建议先具备：LLM 基本概念与编程（本站建议）。正式选课要求见原站 syllabus。
课程特点
- 内容侧重
- 侧重实践应用
- 练习与项目
- Assignments 1（Prompting, Finetuning, Retrieval, and Embeddings）、2（Chatbots, Agents, and Assistants）、3（Language Models beyond Natural Language）及 Final Project；详见 https://cmu-llms.org/assignments/ 。 第一份模型作业涉及提示、微调、检索和嵌入。先阅读作业选择模型/API 提供商或本地模型；API 密钥、计费账号、模型权重许可和数据发送范围需逐项确认。GPU/显存以选定模型为准，当前未确定容量，不虚写最低硬件。离线词频检查仅验证 Python，不代表模型开课检查通过。
- 学习时长
- 27 个课节原站未给出统一学习时长；实际用时取决于已有基础。
- 内容费用
- 免费各讲幻灯片 PDF、阅读材料与作业说明公开免费；讨论区与评分仅限选课学生
来源与使用须知
- 原始资源
- CMU 11-766 收录版本：2026 春
- 收录时间
- 本站首次收录 2026-10-10
- 指南参考
- 官方课节顺序及材料入口
版权与转载
- 课程材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；引用时请注明原作者与出处。