[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-SkalskiP--courses":3,"tool-SkalskiP--courses":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",158594,2,"2026-04-16T23:34:05",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":91,"env_os":92,"env_gpu":93,"env_ram":93,"env_deps":94,"category_tags":97,"github_topics":99,"view_count":32,"oss_zip_url":90,"oss_zip_packed_at":90,"status":17,"created_at":112,"updated_at":113,"faqs":114,"releases":115},8292,"SkalskiP\u002Fcourses","courses","This repository is a curated collection of links to various courses and resources about Artificial Intelligence (AI)","courses 是一个精心整理的人工智能学习资源库，旨在为不同背景的学习者提供通往 AI 领域的清晰路径。面对网络上繁杂且质量参差不齐的教程，courses 解决了用户难以筛选优质内容的痛点，将全球顶尖高校（如麻省理工、哈佛）及知名机构发布的课程汇聚一堂。\n\n无论是刚入门的新手，还是希望深化特定技能的研究人员或开发者，都能在这里找到适合自己的材料。资源覆盖范围极广，从基础的线性代数、Python 编程，到前沿的生成式 AI、大语言模型（LLM）、自然语言处理及计算机视觉等核心领域应有尽有。\n\n其独特的技术亮点在于结构化的分类展示：每门课程都清晰标注了主题、学习形式（视频、网站或代码库）、难度等级、发布年份以及是否免费。这种透明的信息呈现方式，帮助用户能迅速评估并锁定最匹配当前水平的学习内容。所有推荐资源均经过人工甄选，确保含金量，是构建系统化 AI 知识体系的理想起点。","[![Github Stars](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstars-nominate-brightgreen?logo=github)](https:\u002F\u002Fstars.github.com\u002Fnominate\u002F)\n\n\u003Ch1 align=\"center\">crème de la crème of AI courses\u003C\u002Fh1>\n\n\u003Cdiv align=\"center\">\n\n[English](README.md) | [Hindi](README.hi.md) | [Italiano](README.it.md) | [French](README.fr.md) | [Indonesian](README.id.md)\n\n\u003C\u002Fdiv>\n\n\n## 👋 hello\n\nThis repository is a curated collection of links to various courses and resources about Artificial Intelligence (AI). Whether you're a beginner or an experienced learner, there's something here for everyone!\n\n## 👀 looking for ideas\n\nI am looking for a good free course on statistics, linear algebra, integrals and derivatives that could be a good mathematical training for people who want to start a career in ML. I look forward to hearing [your ideas](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fpulls)!\n\n## 🧑‍🎓courses & resources\n\n\u003C!--- AUTOGENERATED_COURSES_TABLE -->\n\u003C!---\n   WARNING: DO NOT EDIT THIS TABLE MANUALLY. IT IS AUTOMATICALLY GENERATED.\n   HEAD OVER TO CONTRIBUTING.MD FOR MORE DETAILS ON HOW TO MAKE CHANGES PROPERLY.\n-->\n| **topic** | **format** | **difficulty** | **release year** | **price** | **course** |\n|:---------:|:----------:|:--------------:|:----------------:|:---------:|:----------:|\n| Generative AI |  GitHub repository | 🟩⬜⬜ | 2023 |  free | [ Generative AI for Beginners]( https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fgenerative-ai-for-beginners) by  Microsoft |\n| Deep Learning |  YouTube playlist | 🟩🟩⬜ | 2023 |  free | [ 6.5940 TinyML and Efficient Deep Learning Computing]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL80kAHvQbh-pT4lCkDT53zT8DKmhE0idB) by  Massachusetts Institute of Technology |\n| Natural Language Processing |  YouTube playlist | 🟩🟩⬜ | 2023 |  free | [ Natural Language Processing]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLofp2YXfp7TZZ5c7HEChs0_wfEfewLDs7) by  The University of Texas at Austin |\n| Deep Learning | website | 🟩⬜⬜ | 2023 | free | [Deep Learning Fundamentals - Learning Deep Learning Using a Modern Open-Source Stack](https:\u002F\u002Flightning.ai\u002Fpages\u002Fcourses\u002Fdeep-learning-fundamentals\u002F) by  Sebastian Raschka |\n| Large Language Models |  YouTube playlist | 🟩🟩⬜ | 2023 |  free | [LLM Bootcamp - Spring 2023](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL1T8fO7ArWleyIqOy37OVXsP4hFXymdOZ) by  The Full Stack |\n| Python |   YouTube playlist | 🟩⬜⬜ | 2023 |  free | [CS50: Introduction to Programming with Python](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=nLRL_NcnK-4) by  Harvard University x freeCodeCamp.org |\n| Stable Diffusion and Deep Learning | website | 🟩🟩⬜ | 2023 | free | [Practical Deep Learning for Coders part 2: Deep Learning Foundations to Stable Diffusion](https:\u002F\u002Fcourse.fast.ai\u002FLessons\u002Fpart2.html) by fast.ai |\n| Deep Learning |  YouTube playlist | 🟩⬜⬜ | 2023 |  free | [6.S191: Introduction to Deep Learning](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLtBw6njQRU-rwp5__7C0oIVt26ZgjG9NI) by  Massachusetts Institute of Technology |\n| Deep Learning |  YouTube playlist | 🟩⬜⬜ | 2023 |  free | [ Neural Networks: Zero to Hero](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ) by  Andrej Karpathy |\n| Large Language Models and Prompt Engineering |  website | 🟩⬜⬜ | 2023 |  free | [ Prompt Engineering Guide]( https:\u002F\u002Fpromptingguide.ai) by  DAIR.AI |\n| Computer Vision |  YouTube playlist | 🟩⬜⬜ | 2023 |  free | [ Computer Vision in Practice](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLZCA39VpuaZajiCtgDDwU8ghchtqx347R) by  Piotr Skalski x Roboflow |\n| Natural Language Processing |  YouTube playlist | 🟩🟩⬜ | 2023 |  free | [ CS685: Advanced Natural Language Processing](https:\u002F\u002Fyoutube.com\u002Fplaylist?list=PLWnsVgP6CzaelCF_jmn5HrpOXzRAPNjWj) by  University of Massachusetts |\n| Linear Algebra |  YouTube playlist | 🟩⬜⬜ | 2022 |  free | [ Linear Algebra for Data Science]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLB3yPBd26tWyDNoUpEGVsyI-sygPLqYa1) by  Shaina Race |\n| Machine Learning |  YouTube playlist | 🟩🟩⬜ | 2022 |  free | [ CS229: Machine Learning]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLoROMvodv4rNyWOpJg_Yh4NSqI4Z4vOYy) by  Stanford University |\n| MLOps |  YouTube playlist | 🟩🟩⬜ | 2022 |  free | [ Machine Learning Engineering for Production](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLkDaE6sCZn6GMoA0wbpJLi3t34Gd8l0aK) by  Andrew Y. Ng |\n| Multimodal Machine Learning |  YouTube playlist | 🟩🟩🟩 | 2022 |  free | [11-777: Multimodal Machine Learning](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL-Fhd_vrvisNM7pbbevXKAbT_Xmub37fA) by  Carnegie Mellon University |\n| Deep Multi-Task and Meta Learning |  YouTube playlist | 🟩🟩🟩 | 2022 |  free | [CS330 Deep Multi-Task and Meta Learning](https:\u002F\u002Fyoutube.com\u002Fplaylist?list=PLoROMvodv4rNjRoawgt72BBNwL2V7doGI) by  Stanford University |\n| Deep Learning |  YouTube playlist | 🟩⬜⬜ | 2022 |  free | [ Practical Deep Learning for Coders](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLfYUBJiXbdtSvpQjSnJJ_PmDQB_VyT5iU) by  fast.ai |\n| Deep Learning |  YouTube playlist | 🟩⬜⬜ | 2021 |  free | [ Neural Networks from Scratch in Python]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLQVvvaa0QuDcjD5BAw2DxE6OF2tius3V3) by  Sentdex |\n| Natural Language Processing | YouTube playlist | 🟩🟩⬜ | 2021 |  free | [ CS224U: Natural Language Understanding]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLoROMvodv4rPt5D0zs3YhbWSZA8Q_DyiJ) by  Stanford University |\n| Transformers |  YouTube playlist | 🟩🟩🟩 | 2021 |  free | [CS25: Transformers United](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLoROMvodv4rNiJRchCzutFw5ItR_Z27CM) by  Stanford University |\n| Deep Learning |  YouTube playlist | 🟩🟩⬜ | 2021 |  free | [NYU-DLSP21: NYU Deep Learning Spring](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLLHTzKZzVU9e6xUfG10TkTWApKSZCzuBI) by  New York University |\n| Natural Language Processing and Transformers |  website | 🟩⬜⬜ | 2021 |  free | [ NLP Course](https:\u002F\u002Fhuggingface.co\u002Fcourse\u002Fchapter1\u002F1) by  Hugging Face |\n| Deep Learning |  book | 🟩⬜⬜ | 2021 |  free | [ Dive into Deep Learning](https:\u002F\u002Fd2l.ai\u002Findex.html) by d2l.ai |\n| Reinforcement Learning |  YouTube playlist | 🟩🟩🟩 | 2021 |  free | [ Reinforcement Learning Course](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLqYmG7hTraZDVH599EItlEWsUOsJbAodm) by  DeepMind x University College London |\n| Natural Language Processing |  YouTube playlist | 🟩🟩⬜ | 2021 |  free | [CS224N: Natural Language Processing with Deep Learning](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLoROMvodv4rOSH4v6133s9LFPRHjEmbmJ) by  Stanford University |\n| Deep Learning |  YouTube playlist | 🟩🟩⬜ | 2020 |  free | [ Deep Learning Lecture Series](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLqYmG7hTraZCDxZ44o4p3N5Anz3lLRVZF) by  DeepMind x University College London |\n| Linear Algebra | website | 🟩🟩🟩 | 2019 | free | [Advanced Linear Algebra - Foundations to Frontiers](https:\u002F\u002Fwww.cs.utexas.edu\u002Fusers\u002Fflame\u002Flaff\u002Falaff\u002FALAFF.html) by Margaret E. Myers & Robert A. van de Geijn |\n| Artificial Intelligence |  Youtube playlist | 🟩🟩⬜ | 2019 |  free | [Stanford CS221: Artificial Intelligence: Principles and Techniques](https:\u002F\u002Fyoutube.com\u002Fplaylist?list=PLoROMvodv4rO1NB9TD4iUZ3qghGEGtqNX) by  Stanford University |\n| Computer Vision | Youtube playlist | 🟩🟩⬜ | 2019 | free | [University of Michigan EECS 498.008 \u002F 598.008: Deep Learning for Computer Vision](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=dJYGatp4SvA&list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r) by University of Michigan |\n| Computer Vision |  YouTube playlist | 🟩🟩⬜ | 2018 |  free | [CS231n: Deep Learning for Computer Vision](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?app=desktop&list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv) by  Stanford University |\n| Statistics and Probability |  YouTube playlist | 🟩⬜⬜ | 2013 |  free | [ Statistics 110: Probability](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo) by  Harvard University |\n\u003C!--- AUTOGENERATED_COURSES_TABLE -->\n\n## 🦸 contribution\n\nWe would love your help in making this repository even better! If you know of an amazing AI course that isn't listed\nhere, or if you have any suggestions for improvement, feel free to open an\n[issue](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fissues) or submit a\n[pull request](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fpulls). If you feel up to the task, please take a peek at our\n[contribution guide](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fblob\u002Fmain\u002FCONTRIBUTING.md).\n\nTogether, let's make this the best AI learning hub on GitHub! 🚀\n","[![Github Stars](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstars-nominate-brightgreen?logo=github)](https:\u002F\u002Fstars.github.com\u002Fnominate\u002F)\n\n\u003Ch1 align=\"center\">人工智能课程中的精华\u003C\u002Fh1>\n\n\u003Cdiv align=\"center\">\n\n[English](README.md) | [Hindi](README.hi.md) | [Italiano](README.it.md) | [French](README.fr.md) | [Indonesian](README.id.md)\n\n\u003C\u002Fdiv>\n\n\n## 👋 你好\n\n这个仓库是一个精心整理的人工智能（AI）相关课程和资源链接合集。无论你是初学者还是有经验的学习者，这里总有一款适合你！\n\n## 👀 寻找建议\n\n我正在寻找一门优质的免费课程，内容涵盖统计学、线性代数、积分和导数，能够为希望进入机器学习领域的人提供良好的数学基础训练。非常期待听到你的[建议](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fpulls)!\n\n## 🧑‍🎓课程与资源\n\n\u003C!--- AUTOGENERATED_COURSES_TABLE -->\n\u003C!---\n   警告：请勿手动编辑此表格。它由系统自动生成。\n   有关如何正确进行更改的详细信息，请参阅 CONTRIBUTING.MD。\n-->\n| **主题** | **形式** | **难度** | **发布年份** | **价格** | **课程** |\n|:---------:|:----------:|:--------------:|:----------------:|:---------:|:----------:|\n| 生成式人工智能 | GitHub仓库 | 🟩⬜⬜ | 2023 | 免费 | [面向初学者的生成式人工智能]( https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fgenerative-ai-for-beginners) 由微软提供 |\n| 深度学习 | YouTube播放列表 | 🟩🟩⬜ | 2023 | 免费 | [6.5940 TinyML与高效深度学习计算]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL80kAHvQbh-pT4lCkDT53zT8DKmhE0idB) 由麻省理工学院提供 |\n| 自然语言处理 | YouTube播放列表 | 🟩🟩⬜ | 2023 | 免费 | [自然语言处理]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLofp2YXfp7TZZ5c7HEChs0_wfEfewLDs7) 由德克萨斯大学奥斯汀分校提供 |\n| 深度学习 | 网站 | 🟩⬜⬜ | 2023 | 免费 | [深度学习基础——使用现代开源技术栈学习深度学习](https:\u002F\u002Flightning.ai\u002Fpages\u002Fcourses\u002Fdeep-learning-fundamentals\u002F) 由 Sebastian Raschka 提供 |\n| 大型语言模型 | YouTube播放列表 | 🟩🟩⬜ | 2023 | 免费 | [LLM训练营——2023年春季](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL1T8fO7ArWleyIqOy37OVXsP4hFXymdOZ) 由 The Full Stack 提供 |\n| Python | YouTube播放列表 | 🟩⬜⬜ | 2023 | 免费 | [CS50：使用Python入门编程](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=nLRL_NcnK-4) 由哈佛大学与freeCodeCamp.org合作提供 |\n| Stable Diffusion与深度学习 | 网站 | 🟩🟩⬜ | 2023 | 免费 | [面向编码者的实用深度学习第2部分：从深度学习基础到Stable Diffusion](https:\u002F\u002Fcourse.fast.ai\u002FLessons\u002Fpart2.html) 由 fast.ai 提供 |\n| 深度学习 | YouTube播放列表 | 🟩⬜⬜ | 2023 | 免费 | [6.S191：深度学习导论](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLtBw6njQRU-rwp5__7C0oIVt26ZgjG9NI) 由麻省理工学院提供 |\n| 深度学习 | YouTube播放列表 | 🟩⬜⬜ | 2023 | 免费 | [神经网络：从零到英雄](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ) 由 Andrej Karpathy 提供 |\n| 大型语言模型与提示工程 | 网站 | 🟩⬜⬜ | 2023 | 免费 | [提示工程指南]( https:\u002F\u002Fpromptingguide.ai) 由 DAIR.AI 提供 |\n| 计算机视觉 | YouTube播放列表 | 🟩⬜⬜ | 2023 | 免费 | [实践中的计算机视觉](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLZCA39VpuaZajiCtgDDwU8ghchtqx347R) 由 Piotr Skalski 与 Roboflow 合作提供 |\n| 自然语言处理 | YouTube播放列表 | 🟩🟩⬜ | 2023 | 免费 | [CS685：高级自然语言处理](https:\u002F\u002Fyoutube.com\u002Fplaylist?list=PLWnsVgP6CzaelCF_jmn5HrpOXzRAPNjWj) 由马萨诸塞大学提供 |\n| 线性代数 | YouTube播放列表 | 🟩⬜⬜ | 2022 | 免费 | [面向数据科学的线性代数]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLB3yPBd26tWyDNoUpEGVsyI-sygPLqYa1) 由 Shaina Race 提供 |\n| 机器学习 | YouTube播放列表 | 🟩🟩⬜ | 2022 | 免费 | [CS229：机器学习]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLoROMvodv4rNyWOpJg_Yh4NSqI4Z4vOYy) 由斯坦福大学提供 |\n| MLOps | YouTube播放列表 | 🟩🟩⬜ | 2022 | 免费 | [用于生产的机器学习工程](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLkDaE6sCZn6GMoA0wbpJLi3t34Gd8l0aK) 由 Andrew Y. Ng 提供 |\n| 多模态机器学习 | YouTube播放列表 | 🟩🟩🟩 | 2022 | 免费 | [11-777：多模态机器学习](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL-Fhd_vrvisNM7pbbevXKAbT_Xmub37fA) 由卡内基梅隆大学提供 |\n| 深度多任务与元学习 | YouTube播放列表 | 🟩🟩🟩 | 2022 | 免费 | [CS330深度多任务与元学习](https:\u002F\u002Fyoutube.com\u002Fplaylist?list=PLoROMvodv4rNjRoawgt72BBNwL2V7doGI) 由斯坦福大学提供 |\n| 深度学习 | YouTube播放列表 | 🟩⬜⬜ | 2022 | 免费 | [面向编码者的实用深度学习](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLfYUBJiXbdtSvpQjSnJJ_PmDQB_VyT5iU) 由 fast.ai 提供 |\n| 深度学习 | YouTube播放列表 | 🟩⬜⬜ | 2021 | 免费 | [用Python从头开始构建神经网络]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLQVvvaa0QuDcjD5BAw2DxE6OF2tius3V3) 由 Sentdex 提供 |\n| 自然语言处理 | YouTube播放列表 | 🟩🟩⬜ | 2021 | 免费 | [CS224U：自然语言理解]( https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLoROMvodv4rPt5D0zs3YhbWSZA8Q_DyiJ) 由斯坦福大学提供 |\n| 变压器 | YouTube播放列表 | 🟩🟩🟩 | 2021 | 免费 | [CS25：联合变压器](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLoROMvodv4rNiJRchCzutFw5ItR_Z27CM) 由斯坦福大学提供 |\n| 深度学习 | YouTube播放列表 | 🟩🟩⬜ | 2021 | 免费 | [NYU-DLSP21：纽约大学春季深度学习](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLLHTzKZzVU9e6xUfG10TkTWApKSZCzuBI) 由纽约大学提供 |\n| 自然语言处理与变压器 | 网站 | 🟩⬜⬜ | 2021 | 免费 | [NLP课程](https:\u002F\u002Fhuggingface.co\u002Fcourse\u002Fchapter1\u002F1) 由 Hugging Face 提供 |\n| 深度学习 | 书籍 | 🟩⬜⬜ | 2021 | 免费 | [深入深度学习](https:\u002F\u002Fd2l.ai\u002Findex.html) 由 d2l.ai 提供 |\n| 强化学习 | YouTube播放列表 | 🟩🟩🟩 | 2021 | 免费 | [强化学习课程](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLqYmG7hTraZDVH599EItlEWsUOsJbAodm) 由 DeepMind 与伦敦大学学院合作提供 |\n| 自然语言处理 | YouTube播放列表 | 🟩🟩⬜ | 2021 | 免费 | [CS224N：结合深度学习的自然语言处理](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLoROMvodv4rOSH4v6133s9LFPRHjEmbmJ) 由斯坦福大学提供 |\n| 深度学习 | YouTube播放列表 | 🟩🟩⬜ | 2020 | 免费 | [深度学习讲座系列](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLqYmG7hTraZCDxZ44o4p3N5Anz3lLRVZF) 由 DeepMind 与伦敦大学学院合作提供 |\n| 线性代数 | 网站 | 🟩🟩🟩 | 2019 | 免费 | [高级线性代数——从基础到前沿](https:\u002F\u002Fwww.cs.utexas.edu\u002Fusers\u002Fflame\u002Flaff\u002Falaff\u002FALAFF.html) 由 Margaret E. Myers 和 Robert A. van de Geijn 编写 |\n| 人工智能 | YouTube播放列表 | 🟩🟩⬜ | 2019 | 免费 | [斯坦福CS221：人工智能：原理与技术](https:\u002F\u002Fyoutube.com\u002Fplaylist?list=PLoROMvodv4rO1NB9TD4iUZ3qghGEGtqNX) 由斯坦福大学提供 |\n| 计算机视觉 | YouTube播放列表 | 🟩🟩⬜ | 2019 | 免费 | [密歇根大学EECS 498.008 \u002F 598.008：用于计算机视觉的深度学习](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=dJYGatp4SvA&list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r) 由密歇根大学提供 |\n| 计算机视觉 | YouTube播放列表 | 🟩🟩⬜ | 2018 | 免费 | [CS231n：用于计算机视觉的深度学习](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?app=desktop&list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv) 由斯坦福大学提供 |\n| 统计与概率 | YouTube播放列表 | 🟩⬜⬜ | 2013 | 免费 | [统计110：概率](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo) 由哈佛大学提供 |\n\u003C!--- AUTOGENERATED_COURSES_TABLE -->\n\n## 🦸 贡献\n\n我们非常希望您的帮助，让这个仓库变得更好！如果您知道这里尚未列出的优秀 AI 课程，或者有任何改进建议，欢迎随时提交一个\n[issue](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fissues) 或者发起一个\n[pull request](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fpulls)。如果您愿意参与贡献，请查看我们的\n[贡献指南](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fblob\u002Fmain\u002FCONTRIBUTING.md)。\n\n让我们携手共建 GitHub 上最棒的 AI 学习社区吧！🚀","# courses 快速上手指南\n\n`courses` 并非一个需要安装运行的软件工具，而是一个由社区维护的**人工智能课程与资源精选清单**。本指南将帮助你快速浏览并利用该仓库中的高质量学习资源。\n\n## 环境准备\n\n由于本项目仅为链接集合，无需特定的系统环境或依赖库。你只需要：\n- 一台可访问互联网的设备（电脑、平板或手机均可）。\n- 现代浏览器（推荐 Chrome, Edge, Firefox 等）。\n- （可选）GitHub 账号：用于收藏仓库、提交新课程建议或参与社区贡献。\n\n> **网络提示**：部分课程视频托管于 YouTube，国内用户访问可能需要网络加速工具。若遇到访问困难，建议直接在 Bilibili 等国内平台搜索对应的课程名称（如 \"CS229\", \"Andrej Karpathy\", \"fast.ai\" 等），许多热门课程已有官方或社区搬运的中文字幕版本。\n\n## 安装步骤\n\n无需执行任何安装命令。你可以通过以下方式“获取”资源：\n\n1. **在线浏览**：\n   直接访问 GitHub 仓库页面查看最新课程列表：\n   ```text\n   https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\n   ```\n\n2. **本地克隆（可选）**：\n   如果你希望离线查看或在本地整理笔记，可以克隆仓库：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses.git\n   cd courses\n   ```\n   *注：主要内容位于 `README.md` 文件中。*\n\n3. **关注更新**：\n   点击仓库右上角的 \"Watch\" 按钮，以便在课程列表更新时收到通知。\n\n## 基本使用\n\n该仓库的核心价值在于其结构化的课程表格。以下是高效使用的方法：\n\n### 1. 按需筛选课程\n在 `README.md` 的 **\"🧑‍🎓 courses & resources\"** 章节中，所有资源均以表格形式呈现。你可以根据以下维度快速定位：\n- **topic (主题)**：如 Generative AI (生成式 AI), Deep Learning (深度学习), NLP (自然语言处理), Computer Vision (计算机视觉) 等。\n- **difficulty (难度)**：通过绿色方块数量表示（🟩⬜⬜ 为入门，🟩🟩🟩 为进阶）。\n- **format (形式)**：区分 YouTube 播放列表、网站教程、书籍或 GitHub 项目。\n- **price (价格)**：目前收录的课程均为 **free (免费)**。\n\n### 2. 典型学习路径示例\n假设你想从零开始学习大语言模型（LLM）：\n\n1. 在表格中找到 **Large Language Models** 或 **Generative AI** 类别。\n2. 推荐起步资源：\n   - 入门：[Generative AI for Beginners](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fgenerative-ai-for-beginners) (Microsoft 出品，GitHub 交互式教程)\n   - 进阶：[LLM Bootcamp - Spring 2023](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL1T8fO7ArWleyIqOy37OVXsP4hFXymdOZ) (The Full Stack)\n   - 理论补充：[Prompt Engineering Guide](https:\u002F\u002Fpromptingguide.ai) (DAIR.AI)\n3. 点击链接跳转至对应平台开始学习。\n\n### 3. 参与贡献\n如果你发现了优质的未收录课程（特别是统计学、线性代数等数学基础类），欢迎通过以下方式反馈：\n- 提交 Issue: [https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fissues](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fissues)\n- 提交 Pull Request: [https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fpulls](https:\u002F\u002Fgithub.com\u002FSkalskiP\u002Fcourses\u002Fpulls)\n\n让我们一起构建最好的 AI 学习中心！ 🚀","刚毕业的数据科学新人李明计划转行大模型开发，急需系统补充生成式 AI 与数学基础，却面对海量网络资源无从下手。\n\n### 没有 courses 时\n- **信息检索低效**：在谷歌和 YouTube 漫无目的地搜索\"LLM 教程”，花费数天筛选，仍难以辨别课程质量与时效性。\n- **学习路径断裂**：零散收藏了多个视频，但缺乏从线性代数到 Prompt Engineering 的连贯进阶路线，导致知识体系支离破碎。\n- **试错成本高昂**：误入收费昂贵或内容过时的旧课程，学习两周后才发现技术栈已淘汰，严重打击自信心。\n- **语言与门槛障碍**：难以快速找到适合初学者且免费的高质量英文资源，常因难度不匹配而半途而废。\n\n### 使用 courses 后\n- **精准直达优质资源**：直接查阅按主题分类的表格，一键获取微软\"Generative AI for Beginners\"等 2023 年最新免费权威课程。\n- **构建清晰成长地图**：依据难度标签（如🟩⬜⬜）和主题关联，迅速规划出从哈佛 Python 入门到安德烈·卡帕西“神经网络从零到英雄”的完整路径。\n- **零风险高效启动**：所有资源均经社区精选并标注“免费”，确保每一分钟都投入在前沿且无经济负担的学习内容上。\n- **多维需求全覆盖**：无论是补强线性代数数学底座，还是钻研 Stable Diffusion 实战，都能在列表中找到对应的高分资源。\n\ncourses 将原本需要数周的资源调研工作压缩至几分钟，让学习者能立即专注于核心技能的提升而非在信息海洋中迷路。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSkalskiP_courses_da0183ff.png","SkalskiP","Piotr Skalski","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FSkalskiP_4b8675f3.jpg","Open Source Lead @roboflow | Founder @ makesense.ai","@roboflow","127.0.0.1","piotr.skalski92@gmail.com","skalskip92","https:\u002F\u002Fhuggingface.co\u002FSkalskiP","https:\u002F\u002Fgithub.com\u002FSkalskiP",[83],{"name":84,"color":85,"percentage":86},"Python","#3572A5",100,6433,592,"2026-04-16T14:57:02",null,1,"","未说明",{"notes":95,"python":93,"dependencies":96},"该仓库并非一个可执行的 AI 软件工具，而是一个 curated 的课程和资源链接列表（包含 YouTube 播放列表、网站、书籍等）。因此，它没有特定的操作系统、GPU、内存、Python 版本或依赖库要求。用户只需具备网络浏览器即可访问所列资源；若参与列表中提到的具体编程课程，则需参考各课程各自的独立环境要求。",[],[14,35,98,15],"其他",[100,101,102,103,104,105,106,107,108,109,110,111],"computer-vision","deep-learning","deep-neural-networks","machine-learning","mlops","multimodal","transformers","tutorial","natural-language-processing","nlp","generative-model","stable-diffusion","2026-03-27T02:49:30.150509","2026-04-17T09:54:36.045679",[],[]]