免费完整互动AI教程覆盖从入门到进阶

这是一门超棒的免费课程，可以学习所有和 AI 相关的知识。它是完整的互动课程，可以在网页上学习，也可以放在你自己的仓库里，还有免费电子书、代码、测验——如果你喜欢这种有条理的学习方式，这可能是最好的非视频课程。网址是 aiengineeringfromscratch.com，也可以在 GitHub 上找到——你可以下载全部内容：github.com/rohitg00/ai-engineering-from-scratch

⚪️ 0. 开发者环境与工具
▫️准备 AI 工作环境
▫️终端与系统 shell 操作
▫️Linux 基础
▫️Git、GitHub 与代码协作
▫️提交、分支与 pull request
▫️Python 与虚拟环境
▫️包与依赖管理
▫️Jupyter Notebook
▫️代码编辑器配置
▫️API 使用
▫️API 密钥安全存储
▫️GPU 配置与云端 GPU 使用
▫️AI 项目用 Docker
▫️数据存储与版本管理
▫️代码调试与性能分析

⚪️ 1. AI 所需数学
▫️线性代数
▫️标量、向量、矩阵与张量
▫️矩阵运算
▫️点积
▫️矩阵变换
▫️线性方程组
▫️范数与距离度量
▫️微分学
▫️导数、偏导数与梯度
▫️链式法则
▫️自动微分
▫️概率与概率分布
▫️贝叶斯定理
▫️机器学习统计学
▫️采样方法
▫️优化与凸优化
▫️Gradient descent
▫️信息论
▫️熵与交叉熵
▫️降维
▫️PCA 与 SVD 分解
▫️数值稳定性
▫️复数
▫️傅里叶变换
▫️图论
▫️随机过程

⚪️ 2. 机器学习基础
▫️监督学习与无监督学习
▫️训练数据准备
▫️将数据划分为训练集、验证集与测试集
▫️线性回归与逻辑回归
▫️决策树
▫️Support Vector Machines
▫️K-nearest neighbours
▫️朴素贝叶斯
▫️聚类
▫️Feature engineering
▫️选择最重要的特征
▫️不平衡数据处理
▫️异常检测
▫️时间序列分析
▫️Random forest、boosting 与集成方法
▫️过拟合与欠拟合
▫️Bias–variance trade-off
▫️交叉验证
▫️超参数调优
▫️模型评估
▫️Accuracy, precision, recall, F1 与 ROC-AUC
▫️构建完整的 ML 流水线

⚪️ 3. 深度学习
▫️感知机工作原理
▫️多层神经网络
▫️Forward pass 与 backpropagation
▫️激活函数
▫️损失函数
▫️优化器 SGD、Momentum 与 Adam
▫️正则化与 dropout
▫️权重初始化
▫️学习率调度
▫️小批量训练
▫️构建你自己的小型深度学习框架
▫️PyTorch 基础
▫️JAX 基础
▫️神经网络调试
▫️梯度消失与梯度爆炸

⚪️ 4. 计算机视觉
▫️图像的数字表示
▫️像素、通道与颜色空间
▫️从零开始构建卷积
▫️CNN 网络
▫️LeNet 与 ResNet 架构
▫️图像分类
▫️Transfer learning
▫️目标检测与 YOLO
▫️分割