Girls-In-AI
Girls-In-AI 是一个专为编程零基础人群设计的 AI 算法工程师养成计划,旨在通过系统化的免费教程,帮助初学者轻松踏入代码世界。它主要解决了新手在面对复杂技术栈时不知从何下手的痛点,提供了一条从 Python 入门、数据分析到机器学习与深度学习的清晰成长路径。
该项目特别适合对科技行业充满好奇的女性开发者、学生或希望转行进入数据领域的普通用户。其核心理念是“在做中学”,课程以亲切的“日记”形式发布,引导用户利用 Anaconda 和 Jupyter Notebook 等主流工具,在 Windows 或 MacOS 环境下亲手实践每一行代码。内容涵盖环境变量配置、基础语法、数据处理直至面向对象编程,甚至包含 Kaggle 实战指导。
Girls-In-AI 的独特亮点在于其细致入微的课程编排与社区氛围,不仅提供了完整的中文学习资料(熟肉),还专门讲解了如何正确提问和使用终端等软技能,极大地降低了学习门槛。无论你是想掌握一项新技能,还是立志成为科技行业的领袖,这里都能为你提供坚实的支持,让你在日常积累中逐步成长为优秀的 AI 从业者。
使用场景
市场营销专业的大二学生小雅想转行做数据分析师,但面对复杂的编程环境和高昂的学习成本感到无从下手。
没有 Girls-In-AI 时
- 环境配置劝退:在安装 Python、Anaconda 和配置环境变量时频频报错,因缺乏基础排查能力,还没开始写代码就卡在 Day 0。
- 学习路径混乱:网上教程碎片化严重,不知道先学变量还是直接跳去机器学习,导致知识体系支离破碎,难以形成逻辑闭环。
- 心理门槛过高:周围缺乏同性榜样,潜意识认为“女生不适合搞技术”,遇到 Bug 容易自我怀疑,最终放弃尝试。
- 实战脱节:只懂理论语法,面对真实的 Excel 数据清洗或 DataFrame 操作时,无法将知识点转化为解决实际问题的代码。
使用 Girls-In-AI 后
- 保姆级环境搭建:跟随"Day-2 环境变量配置”和"Jupyter 多种打开方式”等图文教程,顺利在 Windows 上跑通第一个 Hello World,跨越入门第一道坎。
- 阶梯式成长日记:依托 ML-Diary 系列,从数据类型到异常处理再到文件读写,每天进步一点点,系统化构建起完整的 Python 知识树。
- 社群信念支撑:看到"Coding is the new sexy"的口号及众多女性前辈的成长轨迹,建立起“我也能成为 AI 工程师”的自信,敢于在 Issue 区提问。
- 学以致用实战:通过"Day-18 下载保存 Excel"和"Day-17 初识 DataFrame"等实战课,迅速将课堂所学应用于课程作业的数据分析中,产出实际成果。
Girls-In-AI 不仅提供了一套从零开始的硬核技术路线图,更用女性社区的力量打破了心理壁垒,让零基础学习者能自信地站在科技食物链的上游。
运行环境要求
- Windows
- macOS
未说明
未说明

快速开始
Girls-In-AI
编程才是新的性感。
GirlsInAI(GIA) 是一个面向编程 零基础 的AI算法工程师养成计划。鼓励更多的女孩子去学习编程甚至成为科技行业的领袖。希望大家都能站在食物链上游看一看,因为风景真的很好。入门帖:如何成为一名AI算法工程师
欢迎关注微博账号 @Girls-In-AI,获取Girls-In-AI的最新内容,一起遇见更多喜欢AI喜欢代码的女孩子🙌~
machine_learning_diary
machine_learning_diary 是 人工智能工程师 养成日记系列,代号简称ML-Diary。每次的课程以日记的形式发布,但不是日更的节奏。希望大家通过每天进步一点点,成为一个AI killer😝
每一个小日记,learn by doing,用来记录你在机器学习的点滴痕迹。
- 环境:Windows / MacOS
- 工具:Anaconda - Jupyter Notebook
- 版本:Python 3
说明:每个课程最左方框为【熟肉】标志,若有链接却未打勾✔,则仍为生肉,供参考学习。
第一期:小白Python入门
课程列表
- Day-0:注册GitHub,star点亮Girls-In-AI
- Day-1:初识 Python
- 番外:GitHub-Issue:正确的提问方式
- 番外:Terminal的打开方式
- Day-2:Python 配置环境变量
- 番外:Jupyter Notebook 的多种打开方式
- Day-3:数据类型简介
- Day-4:variable 变量
- Day-5:bool 布尔值
- Day-6:string 字符串
- Day-7:数据类型转换
- Day-8:list 列表
- Day-9:dict 字典
- Day-10:if 条件判断
- Day-11:while/break/continue 循环
- Day-12:for 循环
- Day-13:try/except 异常处理
- Day-14:function 函数
- Day-15:读/写 txt
- Day-16:pip install xxx
- Day-17:初识 dataframe
- Day-18:下载/保存 excel
- Day-19:面向对象编程
- Day-20:datetime
- To be continued...
第二期:成为数据分析师 Data Analyst
Python 数据科学手册 [book]
课程列表
Pandas
- 第23天:Pandas 基础1
- 第24天:Pandas 基础2
- 第25天:Pandas 对象
- 第26天:Pandas 数据索引
- 第27天:Pandas 数据操作
- 第28天:Pandas 处理缺失值
- 第29天:Pandas 多层索引
- 第30天:Pandas 汇总和频数统计
- 第31天:Pandas: Concat and Append
- 第32天:Pandas: Merge and Join
- 第33天:Pandas: Aggregation and Grouping
- 第34天:Pandas: Pivot Tables
- 第35天:Pandas 矢量化字符串操作
- 第36天:Pandas 时间序列
- 第37天:Pandas 高级使用
Matplotlib
- 第38天:Matplotlib 基础绘图
- 第39天:Matplotlib 泰坦尼克号应用
- 第40天:Matplotlib 简单介绍
- 第41天:Matplotlib 曲线图
- 第42天:Matplotlib 散点图
- 第43天:Matplotlib 可视化误差
- 第44天:Matplotlib 密度图
- 第45天:Matplotlib 直方图,平移和密度可视化
- 第46天:Matplotlib 自定义绘图
- 第47天:Matplotlib 自定义色彩
- 第48天:Matplotlib 多子图绘制
- 第49天:Matplotlib 用图说话
- 第50天:Matplotlib 自定义刻度
- 第51天:Matplotlib 自定义风格绘图
- 第52天:Matplotlib 三维图绘制
- 第53天:Matplotlib 地理图绘制
- 第54天:Matplotlib 与Seaborn碰撞
Numpy
- 第55天:Numpy 基础1
- 第56天:Numpy 基础2
- 第57天:Numpy 数据类型介绍
- 第58天:Numpy 数列Array
- 第59天:Numpy 转置
- 第60天:Numpy 常用计算
- 第61天:Numpy 聚合
- 第62天:Numpy 数列计算
- 第63天:Numpy 比较,掩码和布尔逻辑
- 第64天:Numpy 花式索引
- 第65天:Numpy 数组排序
- 第66天:Numpy 结构化数组
待续...
- 第67天:数据标准化,正则化,
- 第68天:One-Hot 编码
第三期:机器学习
课程列表
- 机器学习简介:分类、聚类等
- scikit-learn 简单介绍
- scikit-learn KNN
- scikit-learn 线性回归 demo1
- scikit-learn 线性回归 demo2
- scikit-learn 逻辑回归
- scikit-learn Naive Bayes Classification
- scikit-learn 支持向量机 SVM
- scikit-learn 随机森林 Random Forest 1
- scikit-learn 随机森林 Random Forest 2
- scikit-learn K-Means
- scikit-learn PCA
- scikit-learn 高斯混合模型
- scikit-learn 模型验证和模型选择
- 实战项目:人脸检测
- adaboost
- xgboost
- bagging, boosting
- LightGBM
- LDA
- 实战项目 - 影评分类
- bonus:Auto ML- auto sklearn
- 超参数和模型验证
- 损失函数
- 目标函数
- 交叉检验
- 拆分训练集、测试集
- 数据增强
- 模型集成
- 评估指标
- 实战项目:信贷信用评分
第四期:深度学习 [即将推出...]
课程列表
- Tensorflow, 运行demo
- Keras, 运行demo
- Pytorch
- 60分钟入门Pytorch 深度学习
- 多层感知机
- CNN, 运行demo
- CS231n Convolutional Neural Networks for Visual Recognition
- RNN, 运行demo
- 高级RNN
- GAN
- 实战项目
第五期:毕业项目 kaggle实战 [即将推出...]
课程列表
- 自然语言:有一个嵌入层的介绍
- NLP实战1:情感分析
- NLP实战2:qa匹配
- 数据挖掘:santander customer transaction prediction
- 计算机视觉:mnist
- 计算机视觉
NLP篇:自然语言处理 [即将推出...]
课程列表
- word2vec
- word cloud
- 文本相似性
- ...
成长篇:程序员的自我修养
出自 Leo Hui
- 介绍
- 1. 程序员基础知识
- 2. 数据结构与算法
- 3. 代码架构
- 3.1. 设计模式
- 3.2. 面向对象编程
- 3.3. 面向接口编程
- 4. 代码评审
- 5. 服务器部署
- 6. 网络知识
- 7. 懂点设计
- 8. 写点东西
- 9. 合格的PM
- 10. 团队合作
- 11. 获取知识
- 12. 关注健康
- 13. 提升效率
- 14. SOHO
- 15. Hacker
- 16. 关于工作
- 17. 其他方面
- 18. 常用软件
- 18.1. Windows
- 18.2. Mac
- 18.3. Android
- 18.4. 开发工具
- 18.5. Sketch
- 18.6. Trello
- 18.7. git进阶
- 18.8. JetBrains
- 19. 附录
课外项目:基于Python的经典空气动力学
该AeroPython (空气动力学,流体力学,MAE-6226)是由洛雷纳·A·巴巴教授在乔治·华盛顿大学的课程核心。

课程列表
模块1.潜在流程的构建块
模块2.潜在的涡流和升力
模块3.非升力体的源面板方法
模块4.用于升力体的涡旋源面板方法
GIA求职篇:面试题 + 简历
简历
Girls-In-AI Scholarship 奖学金计划
这个计划为什么叫Girls-In-AI?
社会有强弱,技术无性别。我想鼓励更多的女孩子们加入到科技行业,从事社会地位高的有意思的工作。所以2019年的奖学金就是面向女生的。最少的是我投入的500rmb。如果受到支持,会加大奖学金额,上不封顶。同时,欢迎任何对这个项目的赞助与支持,将会公开赞助金额超过100rmb的名单。
另外,这个计划所有的课程都免费。对!免费!如果你没钱报外面三五万的水培训班,而你恰好有时间学,欢迎你来!
Scholarship Criteria 奖学金评定规则
原则
- 鼓励大家一起营造GIA积极向上的社区氛围
- 鼓励大家互帮互助,培养起自己动手解决问题的能力
规则
- 40% 维护学习氛围: 上课/作业打卡 + 笔记分享
- 60% 贡献社区:帮助解答 + 有效issue + 优质pull request
Donation Rules 捐赠步骤
任何捐助金额,转账给微信二维码:
在备注中留下 [GIA] 标识和你想在捐助名单出现的名字或者其他说明。你可以选择:
- 是否隐藏金额
- 是否隐藏姓名
如有任何兴趣或者疑问请微博私信联系@Girls-In-AI ,再次感谢大家👏
Donation List 捐赠人名单
目前奖学金一共有 1000 rmb
2019-1-4 微博@CodeWithZhangYi 支持金 ¥500
2019-1-8 微博网友:小悟空 支持金 ¥100
2019-1-8 微博网友:悦 支持金 ¥200
2019-2-3 微博网友:小悟空 支持金 ¥200
Girls-In-AI 出征计划
这只是我不成熟的小想法,我希望Girls-In-AI能起到一定的公益作用。等到Girls-In-AI 养成之后,我会在微博呼吁大家,毕竟人多力量大。可能开展的项目:
- 帮助简历修改,面试题分享
- 与公益活动合作,组织大家为公益项目免费写代码【有任何组织想合作欢迎联系】
- ......
Join Girls-In-AI
GIA不是教科书,我想让编程这件事简单一些,重在培养一些兴趣。已经有很多朋友反馈因为GIA敲下人生第一行代码,也因此对编程越来越感兴趣。如果我的坚持能带给你力量,那么我告诉你,我会一直坚持下去!
GIA面向的人群:
- 渴望知识的学生
- 跨领域转岗想做了解的在职人士
- 编程零基础小白,这里有完整的学习路径,指导你从头开始掌握新技能
喜欢的话,就star点亮Girls-In-AI吧!欢迎积极的issue和pr!
Please, feel free to make any contributions you feel will make it better.
Let's see what we can do.🤞
常见问题
相似工具推荐
openclaw
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。 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。 OpenClaw 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
n8n
n8n 是一款面向技术团队的公平代码(fair-code)工作流自动化平台,旨在让用户在享受低代码快速构建便利的同时,保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点,帮助用户轻松连接 400 多种应用与服务,实现复杂业务流程的自动化。 n8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”:既可以通过直观的可视化界面拖拽节点搭建流程,也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外,n8n 原生集成了基于 LangChain 的 AI 能力,支持用户利用自有数据和模型构建智能体工作流。在部署方面,n8n 提供极高的自由度,支持完全自托管以保障数据隐私和控制权,也提供云端服务选项。凭借活跃的社区生态和数百个现成模板,n8n 让构建强大且可控的自动化系统变得简单高效。
AutoGPT
AutoGPT 是一个旨在让每个人都能轻松使用和构建 AI 的强大平台,核心功能是帮助用户创建、部署和管理能够自动执行复杂任务的连续型 AI 智能体。它解决了传统 AI 应用中需要频繁人工干预、难以自动化长流程工作的痛点,让用户只需设定目标,AI 即可自主规划步骤、调用工具并持续运行直至完成任务。 无论是开发者、研究人员,还是希望提升工作效率的普通用户,都能从 AutoGPT 中受益。开发者可利用其低代码界面快速定制专属智能体;研究人员能基于开源架构探索多智能体协作机制;而非技术背景用户也可直接选用预置的智能体模板,立即投入实际工作场景。 AutoGPT 的技术亮点在于其模块化“积木式”工作流设计——用户通过连接功能块即可构建复杂逻辑,每个块负责单一动作,灵活且易于调试。同时,平台支持本地自托管与云端部署两种模式,兼顾数据隐私与使用便捷性。配合完善的文档和一键安装脚本,即使是初次接触的用户也能在几分钟内启动自己的第一个 AI 智能体。AutoGPT 正致力于降低 AI 应用门槛,让人人都能成为 AI 的创造者与受益者。
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。