Мой канал: https://t.me/ideasforai/694
Когда я впервые писал о репозитории книги Hands-On Large Language Models, у него было 18,8 тысячи звёзд и 4,5 тысячи форков.
Сейчас на GitHub — уже около 29,5 тысячи звёзд и 6,7 тысячи форков. Менее чем за год репозиторий прибавил примерно 57% звёзд.
Почему он продолжает расти?
Это не просто электронное дополнение к книге O’Reilly. В репозитории собраны код и ноутбуки ко всем 12 главам — от токенов, эмбеддингов и устройства трансформеров до классификации, RAG, мультимодальных моделей и файн-тюнинга.
Главная сильная сторона — визуальная подача. Авторы Джей Аламмар и Мартен Гротендорст называют проект «иллюстрированной книгой по LLM»: внутри почти 300 авторских схем, которые помогают увидеть, что происходит внутри моделей.
Большинство примеров можно запускать прямо в Google Colab. Авторы указывают, что для них достаточно бесплатной T4 с 16 ГБ видеопамяти. Это делает материалы полезными не только для чтения, но и для практики.
Есть и бонусные гайды, которых нет в печатной версии: по Mamba, квантованию, Stable Diffusion, Mixture of Experts, reasoning-моделям и DeepSeek-R1.
Конечно, зависимости и конкретные библиотеки в LLM-разработке быстро меняются, поэтому окружение иногда придётся обновлять. Но как связка «понятная схема → объяснение → рабочий ноутбук» этот репозиторий остаётся одной из лучших бесплатных точек входа в тему.
Как вам удобнее изучать LLM: по книге, видео или сразу через код и эксперименты?
Дополнительные источники:
https://github.com/HandsOnLLM/Hands-On-Large-Language-Models