大语言模型
我们的结论
进入 transformers/LLM 生态最好的免费、官方、仍在更新的路径——仅因证书体系混乱和更新间隙的偶发过时扣分。
适合谁
想系统掌握 Transformers 生态（Hub、Datasets、Tokenizers、微调）的开发者
谁可以跳过
零代码初学者，以及需要一张完整课程结业证书的人
优点
- 学习 transformers 生态的默认起点，出自构建该生态的团队
- 完全免费无广告，约 27 种社区翻译（含中文）
- 仍在更新——新增高质量数据集构建、LLM 微调、推理模型等章节
- 旧 NLP Course 地址已 302 重定向至此，内容未下架
- 章节级认证考试免费（第 1、3 章）
缺点
- 证书体系混乱——FAQ 写“不提供证书”，但存在章节级考试；无已核实的整课结业证书
- 约 27 种翻译多数标注进行中（WIP）
- 视频覆盖不完整，本质上是文字 + 代码课
- 要求扎实的 Python，建议先修一门深度学习入门课
我是 Sofia，CS 在读，长期维护一份“免费而且真值得学”的课程清单。Hugging Face LLM Course 一直排在前面。你若记得它叫 NLP Course，没有走错：旧地址会跳到新课，内容是扩建，不是下架。
我会把它推荐给已经会 Python、却还把 Hugging Face 当成一堆陌生 API 的人。路线从 Transformer 架构、推理、偏见与局限开始，再进入 Transformers、Datasets、Tokenizers、微调和 Hub 发布。后半加入数据集构建、LLM 微调、推理模型；第 9 章用 Gradio 做 demo，是知识终于变成可用东西的一刻。
规模不小：12 章加环境配置，官方估算每章 6–8 小时，业余三个月很正常。Python 要扎实；深度学习基础不够，官网自己建议先学 fast.ai 或 DeepLearning.AI。无需预先精通 PyTorch/TensorFlow，但零代码新手会很痛苦。
免费课里，它的支持层算厚。章节测验负责最低限度的自检，Discord 和论坛负责文本没覆盖的问题。约 27 种社区翻译包含简繁中文，不过多数标着 WIP；打算全程用中文，先看实时章节覆盖。视频也不完整，本体仍是文字加代码，纯视频型学习者要自己补材料。
最怪的是证书。FAQ 说不提供证书，第 1 章却有认证考试，第 3 章又有证书测验，登录即可免费参加。我们没核实到整课结业证书。我的处理很简单：把章节证明当小奖励，别把它当学习目标。真靠证书做决定，就选政策说得清楚的平台。
好消息是课程仍在维护，10–12 章确实是 LLM 时代的新内容。免费技术课最常见的死法，是首页亮着、教材冻住；这门没有完全陷进去。更新之间仍会有小段老化，翻译也会落后，社区新章节目前不再接收，但主线仍对应 Hugging Face 正在使用的生态。
目标不同就换路：想做 Agent 直接看 Agents Course；想学后训练看 smol course；要数学深度去 Stanford CS224n；深度学习底子松，先用 fast.ai 打地基。
我的结论：会 Python、准备碰开源模型，先学它再考虑花钱。官方、够深、免费，也还活着。只需自备视频补充，不要纠结整课证书，并在选非英文版本前检查翻译进度。
最近核实： 2026年8月22日. 我们会定期复查课程信息——详见 评测方法. 价格与开课情况可能变动，请以官网为准。
值得考虑的替代选择
来源与核验
本页事实均对照以下来源核验，日期如图所示。价格与报名数据衰减最快，我们会按期复核。
- huggingface.co官方网站价格 · 形式 · 授课语言 · 证书核验于 2026-08-22
- github.com官方网站大纲 · 讲师核验于 2026-08-22
读者评价
还没有读者评价——来分享你的学习体验，做第一个评价的人。
以下为读者提交的真实体验，与上方我们的编辑评分相互独立。
请先验证你的邮箱，然后再撰写评价。
注册时我们已向你发送验证链接，点击该链接后回到本页即可。