管中窥豹，定性理解： 1）《这就是ChatGPT》，微信读书有，可以自己看。 2）《面向没做过算法的程序员的大模型核心概念讲解》https://doc.weixin.qq.com/doc/w3_ACIASwbdAFwIBCiHZr3TwSBURdg9s ，可能需要讲，只是自己看，有难懂的地方。 3）后台接触LLM推理，可以以 https://www.databricks.com/blog/llm-inference-performance-engineering-best-practices 为线索，了解里面提到的概念、设备。选择性深入算法、开源实现、CUDA并行计算等领域继续了解。
对细节和底层掌握不全，但是完全定型理解，细节也有较好的把握： 《动手学深度学习》电子版，https://zh.d2l.ai/ ，微信读书上也有。 对关键细节，建议深入了解清楚，非关键概念，记住是这么回事儿就行。关键概念，可以看如下视频： 1）十分钟搞定最大似然估计 https://www.bilibili.com/video/BV1Hb4y1m7rE 2）【概率论】贝叶斯公式与后验概率 https://www.bilibili.com/video/BV1mY411h7ps 3）极大似然估计/最大后验估计—通过抛硬币例子理解 https://www.bilibili.com/video/BV1GZ4y1m7gv 4）「一个模型」教你搞定贝叶斯和全概率公式 https://www.bilibili.com/video/BV1a4411B7B4 5）“损失函数”是如何设计出来的？直观理解“最小二乘法”和“极大似然估计法” https://www.bilibili.com/video/BV1Y64y1Q7hi/ 6）“交叉熵”如何做损失函数？打包理解“信息量”、“比特”、“熵”、“KL散度”、“交叉熵” https://www.bilibili.com/video/BV15V411W7VB 7）重新理解线性回归 - 2 - 广义线性模型：sigmoid函数到底是怎么来的 https://www.bilibili.com/video/BV13X4y1R7im
能得到一个比较扎实的基础。耗时比较长，学习难度曲线比较平滑： https://www.bilibili.com/video/BV1JE411w7Ub 吴恩达<斯坦福 CS229 机器学习>课程 https://www.bilibili.com/video/BV1SL411U7SF <斯坦福 CS224n 自然语言处理>课程 https://www.bilibili.com/video/BV12341167kL <伯克利 CS285 | 深度强化学习>课程
全面的纯理论讲解，学习曲线极其陡峭。默认读者精通微积分、概率论（经典概率与贝叶斯概率）， 了解过拓扑学等数学学科。可以看得半懂不懂，增加见识的读物： 深度学习第二人Bengio写的书《深度学习》微信读书上就有,https://book.douban.com/subject/27087503/