AI工程师的宝库!📌 如果你正在学习AI、ML、LLM或AI智能体,别再浪费时间在各种教程之间来回切换了。

AI工程师的宝库!📌

如果你正在学习AI、ML、LLM或AI智能体,别再浪费时间在各种教程之间来回切换了。

以下是我真心推荐并收藏的10个代码库——涵盖从Python基础到ML、LLM、智能体和生产级AI的方方面面。

1. Python - 100 Days

jackfrued/Python-100-Days

一个为期100天的Python学习路径,涵盖基础知识、数据分析、Web开发等内容。

GitHub:

https://github.com/jackfrued/Python-100-Days

2. 生成式AI入门

microsoft/generative-ai-for-beginners

构建生成式AI应用程序的实用入门指南。

涵盖内容:

• LLM 基础知识

• 提示工程

• RAG(红绿灯)算法

• AI 代理

• 微调

• AI 应用开发

GitHub:

https://github.com/microsoft/generative-ai-for-beginners

3. 从零开始构建 LLM

rasbt/LLMs-from-scratch

想了解 LLM 内部的工作原理吗?

一步一步构建一个 LLM。

涵盖内容:

• 分词

• 嵌入

• 注意力机制

• Transformer 模型

• 训练

• 微调

GitHub:

https://github.com/rasbt/LLMs-from-scratch

4. 机器学习入门

microsoft/ML-For-Beginners

一个结构化的 12 周、26 节课的课程,涵盖经典机器学习。

如果您想在深入学习 LLM 之前掌握机器学习的基础知识,这是一个很好的起点。

GitHub:

https://github.com/microsoft/ML-For-Beginners

5. OpenAI Cookbook

openai/openai-cookbook

一系列使用 OpenAI 模型构建应用程序的实用示例和指南。

适合以下情况:

学习 → 构建

GitHub:

https://github.com/openai/openai-cookbook

6. Stable Diffusion

CompVis/stable-diffusion

对生成式图像模型感兴趣?

此仓库包含 Stable Diffusion 的原始实现和研究代码。

GitHub:

https://github.com/CompVis/stable-diffusion

7. AI Agents for Beginners

microsoft/ai-agents-for-beginners

一门理解和构建 AI 代理的实用课程。

涵盖内容:

• 智能体人工智能

• RAG(红绿灯算法)

• 智能体框架

• 工具使用

• 多智能体系统

GitHub:

https://github.com/microsoft/ai-agents-for-beginners

8. 人工智能入门

microsoft/AI-For-Beginners

为期 12 周、共 24 节课的结构化人工智能入门课程。

涵盖内容:

• 神经网络

• 计算机视觉

• 自然语言处理 (NLP)

• 深度学习

• 经典人工智能

GitHub:

https://github.com/microsoft/AI-For-Beginners

9. LLM 应用

pathwaycom/llm-app

专注于构建实用的 LLM 应用。

探索:

• RAG(红绿灯)

• AI 流水线

• 企业搜索

• 实时数据

• 向量搜索

GitHub:

https://github.com/pathwaycom/llm-app

10. Segment Anything(分割任何事物)

facebookresearch/segment-anything

一个用于提示式图像分割的基础模型。

如果您对计算机视觉和多模态 AI 感兴趣,值得探索。

GitHub:

https://github.com/facebookresearch/segment-anything

不要把这 10 个都收藏起来然后束之高阁。

根据您的实际情况选择:

Python → Python 100 天

机器学习 → 机器学习入门

人工智能基础 → 人工智能入门

逻辑学习模型 → 从零开始构建逻辑学习模型

生成式人工智能 → 生成式人工智能入门

智能体 → 人工智能智能体入门

构建 → OpenAI Cookbook / 逻辑学习模型应用

计算机视觉 → 图像分割

选择一个。

构建一些东西。

然后继续学习下一个。


分类