免费的人工智能 / 深度学习学习资料合集,以及我在学习过程中整理的笔记与代码
A curated collection of free AI & deep learning learning resources, plus personal study notes and code.
这个仓库有两部分内容:
- 学习资料合集:网上收集的经典、免费的 AI 学习资源,覆盖 Python、机器学习、深度学习、强化学习、图神经网络、LLM、Diffusion 等方向,不定期更新。
- 学习笔记与代码:我在学习和科研过程中写的笔记、公式推导和带注释的代码,包括 nanoGPT、minimind、VAE / VQ-VAE、生存分析、混合自动机等主题。
适合想系统入门 AI 的同学,也适合想找某个具体主题资料的读者。
| 如果你是…… | 推荐从这里开始 |
|---|---|
| 零基础入门,或想找成体系的课程和书籍 | 深度学习资料合集 |
| 想专门学习 Transformer | Awesome Transformer Learning(English) |
| 想从零理解 / 训练一个 LLM | nanoGPT 学习笔记 · minimind 学习笔记 |
| 准备写论文 | 论文写作资料 |
在本地阅读或运行代码:
git clone https://github.com/pengqianhan/Awesome-Free-AI-Course.git
cd Awesome-Free-AI-Course仓库中的
.ipynb文件可以直接在 GitHub 上预览,也可以用 Jupyter / VS Code 打开运行。
Awesome-Free-AI-Course
├── README.md
├── resources/ # 📚 学习资料合集(外部链接汇总)
│ ├── deeplearning_material.md # AI / 深度学习资料总表
│ ├── writing_papers.md # 论文写作资料
│ └── Awesome-Transformer-learning/ # Transformer 专题资料(中 / 英)
└── notes/ # 📝 学习笔记
├── LLM学习笔记/ # LLM 从零构建相关笔记
│ ├── nanoGPT学习笔记/
│ └── minimind学习笔记/
└── Learning_Notes/ # 各类专题笔记
├── AutomataLearning/ # 混合自动机 / 混合系统辨识
├── GenAI/ # 生成模型(VAE)
└── Survival Analysis/ # 生存分析(Cox 模型)
| 文件 | 说明 |
|---|---|
| deeplearning_material.md | 所有学习资料的总表,包括 Python、深度学习、机器学习、强化学习、图神经网络、LLM、Diffusion / Flow 模型、数学基础、计算机基础、控制理论与深度学习等,不定期更新 |
| Awesome-Transformer-learning | Transformer 专题资料:结构讲解、子模块(位置编码、Softmax、缩放点积)、FlashAttention、Vision Transformer 等,提供 中文版 和 英文版 |
| writing_papers.md | AI / ML 论文写作教程与建议 |
| 内容 | 说明 |
|---|---|
| nanoGPT 学习笔记 | Andrej Karpathy Let's build GPT: from scratch 视频的笔记,附 带注释的 Colab 代码 和模型结构图 |
| minimind 学习笔记 | 在 Mac (M1 Pro) 上跑通 minimind(笔记)和多模态版 minimind-v(笔记)的流程记录 |
| 主题 | 内容 |
|---|---|
| Transformer 原理 | 缩放点积 (Scaled Dot-Product) 的数学推导 · nn.Embedding 详解 |
| 生成模型 | VAE 教程 (Notebook) · VQ-VAE 完整教程:从原理到实现 |
| 概率与统计学习 | 高斯过程回归 (GPR) 教程 · SVD 笔记 |
| 生存分析 | 基础概念 · Cox 比例风险模型(中文) / English · lifelines 实践 (Notebook) |
| 混合系统 / 自动机学习 | 混合自动机定义 · 基于夹角的聚类度量 · 混合系统辨识 Workshop (PDF) · 弹跳球混合自动机动画 (HTML) |
| 工程工具 | 使用 wandb 记录 MLP 训练的简单示例 |
欢迎任何形式的贡献!
- 推荐资料:发现了优质的免费 AI 学习资源,欢迎提交 Issue 或 Pull Request,补充到
resources/deeplearning_material.md中合适的分类下。 - 纠错:发现链接失效、内容错误或笔记中的问题,欢迎直接指出或修正。
- 提交 PR 的步骤:
- Fork 本仓库
- 新建分支:
git checkout -b add-some-resource - 提交修改:
git commit -m "docs: add xxx resource" - 推送分支并发起 Pull Request
推荐资料时请尽量注明:资料名称 + 链接 + 一句话简介(例如语言、难度、是否有中文字幕)。
- 本仓库收集的课程、书籍、博客、代码等外部资料,版权归原作者所有,这里仅做整理和推荐。
- 部分笔记参考或改编自开源项目与教程(如 nanoGPT、minimind、GPR tutorial 等),出处已在对应笔记中注明。感谢这些作者的无私分享。
如果这个仓库对你有帮助,欢迎点一个 ⭐ Star 支持一下!