[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-yanshengjia--ml-road":3,"tool-yanshengjia--ml-road":62},[4,18,26,36,46,54],{"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",160784,2,"2026-04-19T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"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。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"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",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":79,"owner_email":80,"owner_twitter":81,"owner_website":82,"owner_url":83,"languages":84,"stars":89,"forks":90,"last_commit_at":91,"license":92,"difficulty_score":42,"env_os":93,"env_gpu":94,"env_ram":94,"env_deps":95,"category_tags":98,"github_topics":100,"view_count":32,"oss_zip_url":81,"oss_zip_packed_at":81,"status":17,"created_at":109,"updated_at":110,"faqs":111,"releases":112},9855,"yanshengjia\u002Fml-road","ml-road","Machine Learning and Agentic AI Resources, Practice and Research","ml-road 是一个专注于机器学习与代理式智能（Agentic AI）的开源资源库，旨在为学习者提供从理论到实践的系统化指引。面对人工智能领域知识更新快、优质课程分散且难以筛选的痛点，ml-road 精心整理了全球顶尖高校与机构的核心课程资源，涵盖机器学习基础、深度学习、计算机视觉及自然语言处理等关键方向。\n\n该项目汇集了包括吴恩达（Andrew Ng）、李飞飞（Fei-Fei Li）等知名学者在斯坦福大学、台湾大学及 Coursera 等平台开设的经典课程，并提供了 YouTube、Bilibili 及网易公开课等多渠道的学习链接，极大地降低了获取高质量教育内容的门槛。无论是刚入门的开发者、希望深化理论的研究人员，还是对 AI 技术充满好奇的自学者，都能在此找到适合自己的学习路径。\n\nml-road 的独特之处在于其清晰的分类结构与“一站式”的资源整合能力，它将散落在互联网各处的权威教程系统化地串联起来，帮助用户高效构建知识体系。需要注意的是，库中资源仅供教育与交流使用，项目方也特别强调了版权保护意识。如果你正计划开启或进阶你的 AI 学习之旅，ml-road 将是一份值得信赖的导","ml-road 是一个专注于机器学习与代理式智能（Agentic AI）的开源资源库，旨在为学习者提供从理论到实践的系统化指引。面对人工智能领域知识更新快、优质课程分散且难以筛选的痛点，ml-road 精心整理了全球顶尖高校与机构的核心课程资源，涵盖机器学习基础、深度学习、计算机视觉及自然语言处理等关键方向。\n\n该项目汇集了包括吴恩达（Andrew Ng）、李飞飞（Fei-Fei Li）等知名学者在斯坦福大学、台湾大学及 Coursera 等平台开设的经典课程，并提供了 YouTube、Bilibili 及网易公开课等多渠道的学习链接，极大地降低了获取高质量教育内容的门槛。无论是刚入门的开发者、希望深化理论的研究人员，还是对 AI 技术充满好奇的自学者，都能在此找到适合自己的学习路径。\n\nml-road 的独特之处在于其清晰的分类结构与“一站式”的资源整合能力，它将散落在互联网各处的权威教程系统化地串联起来，帮助用户高效构建知识体系。需要注意的是，库中资源仅供教育与交流使用，项目方也特别强调了版权保护意识。如果你正计划开启或进阶你的 AI 学习之旅，ml-road 将是一份值得信赖的导航地图。","# Machine Learning Road\nMachine Learning and Agentic AI Resources, Practice and Research.\n\n## Disclamier\n\nThe resources in this repo are only for educational purpose. Do not use resources in this repo for any form of commercial purpose.\n\nIf the author of ebook found your intelligence proprietary violated because of contents in this repo, please contact me and I will remove relevant stuff ASAP.\n\n***\n\n## Courses\n\n| Course Name                                                  | Institution                | Lecturer                                                     | Link                                                         | Category                              |\n| :----------------------------------------------------------- | :------------------------- | :----------------------------------------------------------- | :------------------------------------------------------------ | :------------------------------------- |\n| Machine Learning                                             | Coursera                   | [Andrew Ng](http:\u002F\u002Fwww.andrewng.org\u002F)                        | [[Coursera]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Fmachine-learning\u002F)[[Bilibili]](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002Fav9912938\u002Findex_2.html#page=1)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLZ9qNFMHZ-A4rycgrgOYma6zxF4BZGGPW) | Machine Learning                      |\n| Machine Learning Foundations                                 | National Taiwan University | [Hsuan-Tien Lin](https:\u002F\u002Fwww.csie.ntu.edu.tw\u002F~htlin\u002F)        | [[Bilibili]](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002Fav12463015\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLXVfgk9fNX2I7tB6oIINGBmW50rrmFTqf) | Machine Learning                      |\n| Machine Learning Techniques                                  | National Taiwan University | Hsuan-Tien Lin                                               | [[Bilibili]](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002Fav12469267\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLXVfgk9fNX2IQOYPmqjqWsNUFl2kpk1U2) | Machine Learning                      |\n| Machine Learning                                             | Stanford                   | Andrew Ng                                                    | [[Netease]](http:\u002F\u002Fopen.163.com\u002Fspecial\u002Fopencourse\u002Fmachinelearning.html)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLA89DCFA6ADACE599) | Machine Learning                      |\n| Deep Learning                                                | deeplearning.ai            | Andrew Ng                                                    | [[Netease]](https:\u002F\u002F163.lu\u002FnPtn42)[[Coursera]](https:\u002F\u002Fwww.coursera.org\u002Fspecializations\u002Fdeep-learning) | Deep Learning                         |\n| CS231n: Convolutional Neural Networks for Visual Recognition | Stanford                   | [Fei-Fei Li](http:\u002F\u002Fvision.stanford.edu\u002Ffeifeili\u002F)           | [[Homepage]](http:\u002F\u002Fcs231n.stanford.edu\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv) | Deep Learning, Computer Vision        |\n| CS224n: Natural Language Processing with Deep Learning       | Stanford                   | [Christopher Manning](https:\u002F\u002Fnlp.stanford.edu\u002Fmanning\u002F)     | [[Homepage]](http:\u002F\u002Fweb.stanford.edu\u002Fclass\u002Fcs224n\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6) | Deep Learning, NLP                    |\n| Deep Learning for Natural Language Processing                | Oxford University          | [Phil Blunsom](http:\u002F\u002Fwww.cs.ox.ac.uk\u002Fpeople\u002FPhil.Blunsom)   | [[Homepage]](http:\u002F\u002Fwww.cs.ox.ac.uk\u002Fteaching\u002Fcourses\u002F2016-2017\u002Fdl\u002F)[[Slides]](https:\u002F\u002Fgithub.com\u002Foxford-cs-deepnlp-2017\u002Flectures) | Deep Learning,  NLP                   |\n| Applied Deep Learning  \u002F Machine Learning and Having It Deep and Structured | National Taiwan University | [Yun-Nung  Chen](http:\u002F\u002Fvivianchen.idv.tw\u002F), [Hung-Yi Lee](http:\u002F\u002Fspeech.ee.ntu.edu.tw\u002F~tlkagk\u002F) | [[Homepage]](https:\u002F\u002Fwww.csie.ntu.edu.tw\u002F~yvchen\u002Ff106-adl\u002Findex.html)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=hwUca8gsXdM&feature=youtu.be) | Machine Learning,  Deep Learning      |\n| CS 20: TensorFlow for Deep Learning Research                 | Stanford                   | Chip Huyen                                                   | [[Homepage]](https:\u002F\u002Fweb.stanford.edu\u002Fclass\u002Fcs20si\u002F)[[Github]](https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fstanford-tensorflow-tutorials) | Deep Learning                         |\n| CS 294: Deep Reinforcement Learning                          | UC Berkeley                | Sergey Levine                                                | [[Homepage]](http:\u002F\u002Frll.berkeley.edu\u002Fdeeprlcourse\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLkFD6_40KJIznC9CDbVTjAF2oyt8_VAe3) | Deep Learning, Reinforcement Learning |\n| Neural Networks for NLP                                      | CMU                        | [Graham Neubig](http:\u002F\u002Fphontron.com\u002F)                        | [[Homepage]](http:\u002F\u002Fwww.phontron.com\u002Fclass\u002Fnn4nlp2018\u002Fassignments.html) | NLP, Deep Learning                    |\n| Mathematics of Deep Learning                                 | NYU                        | Joan Bruna                                                   | [[Github]](https:\u002F\u002Fgithub.com\u002Fjoanbruna\u002FMathsDL-spring18)    | Deep Learning                         |\n| Introduction to NLP                                          | Stanford                   | [Dan Jurafsky](https:\u002F\u002Fweb.stanford.edu\u002F~jurafsky\u002F), [Chris Manning](https:\u002F\u002Fnlp.stanford.edu\u002Fmanning\u002F) | [[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL6397E4B26D00A269) | NLP                                   |\n| Text Mining and Analytics                                    | UIUC                       | [ChengXiang Zhai](https:\u002F\u002Fzh.coursera.org\u002Finstructor\u002Fchengxiangzhai) | [[Coursera]](https:\u002F\u002Fzh.coursera.org\u002Flearn\u002Ftext-mining)      | NLP                                   |\n| Machine Learning Crash Course with TensorFlow APIs           | Google                     | Google                                                       | [[Homepage]](https:\u002F\u002Fdevelopers.google.com\u002Fmachine-learning\u002Fcrash-course\u002F) | Machine Learning, Tensorflow          |\n| CS230: Deep Learning | Stanford        | [Andrew Ng](http:\u002F\u002Fwww.andrewng.org\u002F), [Kian Katanforoosh](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fkiankatan\u002F) | [[Homepage]](http:\u002F\u002Fcs230.stanford.edu\u002F) | Deep Learning |\n| Intro to Deep Learning with PyTorch | Facebook AI | Facebook AI | [[Udacity]](https:\u002F\u002Fin.udacity.com\u002Fcourse\u002Fdeep-learning-pytorch--ud188) | Deep Learning, PyTorch |\n| Introduction to Deep Learning | UC Berkeley | [Alex Smola](https:\u002F\u002Falex.smola.org\u002F),  [Mu Li](https:\u002F\u002Fgithub.com\u002Fmli) | [[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLZSO_6-bSqHQHBCoGaObUljoXAyyqhpFW)[[GitHub]](https:\u002F\u002Fgithub.com\u002Fd2l-ai\u002Fberkeley-stat-157) | Deep Learning |\n| Foundations of Machine Learning | NYU | [Mehryar Mohri](https:\u002F\u002Fcs.nyu.edu\u002F~mohri\u002F) | [[Homepage]](https:\u002F\u002Fcs.nyu.edu\u002F~mohri\u002Fml18\u002F) | Machine Learning |\n| DS1003 Machine Learning | NYU | Julia Kempe, David Rosenberg | [[Homepage]](https:\u002F\u002Fdavidrosenberg.github.io\u002Fml2019\u002F#home)[[Slides]](https:\u002F\u002Fdavidrosenberg.github.io\u002Fml2019\u002F#lectures) [[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=U6M0m9c9_Js&feature=youtu.be)[[Assignments]](https:\u002F\u002Fdavidrosenberg.github.io\u002Fml2019\u002F#assignments) | Machine Learning |\n| TensorFlow in Practice | Coursera | Laurence Moroney | [[Coursera]](https:\u002F\u002Fwww.coursera.org\u002Fspecializations\u002Ftensorflow-in-practice) | TensorFlow |\n| DS-GA 1008 Deep Learning | NYU | [Yann LeCun](http:\u002F\u002Fyann.lecun.com\u002F), [Alfredo Canziani](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Falfredocanziani\u002F) | [[Homepage]](https:\u002F\u002Fatcold.github.io\u002Fpytorch-Deep-Learning\u002F) [[YouTube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLLHTzKZzVU9eaEyErdV26ikyolxOsz6mq)[[Bilibili]](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV197411M7gG\u002F?spm_id_from=333.788.videocard.1) | Deep Learning, PyTorch |\n| Deep Learning for Human Language Processing | National Taiwan University | [Hung-yi Lee](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUC2ggjtuuWvxrHHHiaDH1dlQ) | [[Homepage]](http:\u002F\u002Fspeech.ee.ntu.edu.tw\u002F~tlkagk\u002Fcourses_DLHLP20.html) [[YouTube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=nER51ZyJaCQ&list=PLJV_el3uVTsO07RpBYFsXg-bN5Lu0nhdG) | Deep Learning, NLP |\n\n## Books\n\n| Book Name                                                    | Author                                                       | Link                                                         | Category                      |\n| :----------------------------------------------------------- | :----------------------------------------------------------- | :----------------------------------------------------------- | :----------------------------- |\n| 机器学习                                                     | 周志华                                                       | [[Amazon]](https:\u002F\u002Fwww.amazon.cn\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E5%91%A8%E5%BF%97%E5%8D%8E\u002Fdp\u002FB01ARKEV1G\u002Fref=sr_1_1?ie=UTF8&qid=1509470386&sr=8-1&keywords=%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)[[JD]](https:\u002F\u002Fitem.jd.com\u002F11867803.html) | Machine Learning              |\n| Deep Learning                                                | Ian Goodfellow, Yoshua Bengio, Aaron Courville               | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FDeep%20Learning.pdf)[[中文版]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0.pdf) | Deep Learning                 |\n| Machine Learning                                             | Tom Mitchell                                                 | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FMachine%20Learning.pdf) | Machine Learning              |\n| Pattern Recogniton and Machine Learning                      | Christopher Bishop                                           | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FPattern%20Recognition%20and%20Machine%20Learning.pdf)[[中文版]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%A8%A1%E5%BC%8F%E8%AF%86%E5%88%AB.pdf) | Machine Learning              |\n| The Elements of Statistical Learning                         | Trevor Hastie, Robert Tibshirani, Jerome Friedman            | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FThe%20Elements%20of%20Statistical%20Learning%20(2nd%20Edition).pdf) | Machine Learning              |\n| Data Mining: Practical Machine Learning Tools and Techniques | Ian H. Witten, Eibe Frank                                    | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FData%20Mining%20-%20Practical%20Machine%20Learning%20Tools%20and%20Techniques%20(2nd%20Edition).pdf) | Data Mining                   |\n| Artificial Intelligence: A Modern Approach                   | Sturart  J. Russell, Peter Norvig                            | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FArtificial%20Intelligence%20-%20A%20Modern%20Approach%20(3rd%20Edition).pdf) | AI                            |\n| Machine Learning: A Probabilistic Perspective                | Kevin P. Murphy                                              | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FMachine%20Learning%20-%20A%20Probabilistic%20Perspective.pdf) | Machine Learning              |\n| Natural Language Processing with Python                      | Stven Bird, Ewan Klein, Edward Loper                         | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FNatural%20Language%20Processing%20with%20Python.pdf)[[Link]](http:\u002F\u002Fwww.nltk.org\u002Fbook_1ed\u002F) | NLP                           |\n| Getting Started with Tensorflow                              | Giancarlo Zaccone                                            | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FGetting%20Started%20with%20Tensorflow.pdf) | Tensorflow                    |\n| Hands-On Machine Learning with Scikit-Learn and TensorFlow   | Aurélien Géron                                               | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FHands%20On%20Machine%20Learning%20with%20Scikit%20Learn%20and%20TensorFlow.pdf)[[Github]](https:\u002F\u002Fgithub.com\u002Fageron\u002Fhandson-ml) | Machine Learning              |\n| Deep Learning with Python                                    | François Chollet                                             | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FDeep%20Learning%20with%20Python.pdf)[[Github]](https:\u002F\u002Fgithub.com\u002Ffchollet\u002Fdeep-learning-with-python-notebooks) | Deep Learning                 |\n| Probabilistic Graphical Models: Principles and Techniques    | Daphne Koller, Nir Friedman                                  | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FProbabilistic%20Graphical%20Models%20-%20Principles%20and%20Techniques.pdf) | Probabilistic Graphical Model |\n| Speech and Language Processing                               | [Dan Jurafsky](http:\u002F\u002Fweb.stanford.edu\u002Fpeople\u002Fjurafsky\u002F), [James H. Martin](http:\u002F\u002Fwww.cs.colorado.edu\u002F~martin\u002F) | [[Homepage]](https:\u002F\u002Fweb.stanford.edu\u002F~jurafsky\u002Fslp3\u002F)[[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FSpeech%20and%20Language%20Processing%20(3rd%20Edition).pdf) | NLP                           |\n| Neural Network Methods for Natural Language Processing       | Yoav Goldberg                                                | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FNeural%20Network%20Methods%20for%20Natural%20Language%20Processing.pdf) | NLP                           |\n| 统计学习方法                                                 | 李航                                                         | [[Amazon]](https:\u002F\u002Fwww.amazon.cn\u002Fdp\u002FB007TSFMTA\u002Fref=sr_1_1?ie=UTF8&qid=1524798458&sr=8-1&keywords=%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95) | Machine Learning              |\n| Natural Language Processing                      | Jacob Eisenstein                                         | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FNatural%20Language%20Processing.pdf) | NLP            |\n| Dive into Deep Learning 动手学深度学习 | Aston Zhang, Mu Li, Zachary C.Lipton, Alexander J.Smola | [[中文版]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fml-road\u002Fblob\u002Fmaster\u002Fresources\u002Fd2l-zh.pdf) [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fml-road\u002Fblob\u002Fmaster\u002Fresources\u002Fd2l-en.pdf) [[Website]](http:\u002F\u002Fzh.d2l.ai\u002F) [[GitHub]](https:\u002F\u002Fgithub.com\u002Fd2l-ai\u002Fd2l-zh) [[Jupyter]](https:\u002F\u002Fzh.d2l.ai\u002Fd2l-zh.zip) | Deep Learning |\n| Feature Engineering for Machine Learning | Alice Zheng, Amanda Casari             | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FFeature%20Engineering%20for%20Machine%20Learning.pdf)[[译]](https:\u002F\u002Fgithub.com\u002Fapachecn\u002Ffeature-engineering-for-ml-zh) | Machine Learning, Feature Engineering |\n| Machine Learning Yearning | Andrew Ng | [[译]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fml-road\u002Fblob\u002Fmaster\u002Fresources\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%AE%AD%E7%BB%83%E7%A7%98%E7%B1%8D.pdf)[[在线阅读]](https:\u002F\u002Faccepteddoge.github.io\u002Fmachine-learning-yearning-cn\u002Fdocs\u002Fhome\u002F) | Machine Learning |\n| Foundations of Machine Learning | Mehryar Mohri | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fml-road\u002Fblob\u002Fmaster\u002Fresources\u002FFoundations%20of%20Machine%20Learning%20(2nd%20Edition).pdf)[[HomePage]](https:\u002F\u002Fcs.nyu.edu\u002F~mohri\u002Fmlbook\u002F) | Machine Learning |\n\n## Agentic AI\n\n| Resource Name                                                | Type                       | Authors\u002FInstructors                                           | Link                                                         | Category                              |\n| :----------------------------------------------------------- | :------------------------- | :----------------------------------------------------------- | :------------------------------------------------------------ | :------------------------------------- |\n| Agentic AI                                                   | Course                     | Andrew Ng                                                    | [[DeepLearning.AI]](https:\u002F\u002Flearn.deeplearning.ai\u002Fcourses\u002Fagentic-ai\u002Finformation) | Agentic AI Fundamentals               |\n| LangChain for LLM Application Development                    | Course                     | Harrison Chase, Andrew Ng                                    | [[DeepLearning.AI]](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Flangchain-for-llm-application-development\u002F) | LLM Applications, Agents              |\n| Building Systems with the ChatGPT API                       | Course                     | Isa Fulford, Andrew Ng                                       | [[DeepLearning.AI]](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Fbuilding-systems-with-chatgpt\u002F) | LLM Applications, Agents              |\n| Strands Agents                                               | SDK                        | Strands                                                      | [[Homepage]](https:\u002F\u002Fstrandsagents.com\u002Flatest\u002F) | Multi-Agent Systems                   |\n| AI Agents in LangGraph                                       | Course                     | Harrison Chase, Rotem Weiss                                  | [[DeepLearning.AI]](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Fai-agents-in-langgraph\u002F) | Agent Frameworks                      |\n| ChatGPT Prompt Engineering for Developers                   | Course                     | Isa Fulford, Andrew Ng                                       | [[DeepLearning.AI]](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Fchatgpt-prompt-engineering-for-developers\u002F) | Prompt Engineering                    |\n| ReAct: Synergizing Reasoning and Acting in Language Models  | Paper                      | Yao et al.                                                   | [[arXiv]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.03629) | Reasoning, Planning                   |\n| Toolformer: Language Models Can Teach Themselves to Use Tools | Paper                    | Schick et al.                                                | [[arXiv]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2302.04761) | Tool Use                              |\n| Deep Dive into LLMs like ChatGPT                            | Course                     | Andrej Karpathy                                              | [[YouTube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=7xTGNNLPyMI&t=14s) | LLM Fundamentals                      |\n| Build your first Agentic AI app step-by-step with Strands Agents & MCP | Course                     | AWS                                                          | [[YouTube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=aijS9fWB854) | Agentic AI Applications               |\n| Building Effective AI Agents                                | Blog                       | Anthropic                                       | [[Anthropic]](https:\u002F\u002Fwww.anthropic.com\u002Fresearch\u002Fbuilding-effective-agents) | Agent Design, Best Practices         |\n| How We Built Our Multi-Agent Research System                | Blog                       | Anthropic                                    | [[Anthropic]](https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fbuilt-multi-agent-research-system) | Multi-Agent Systems, Architecture     |\n","# 机器学习之路\n机器学习与智能体AI资源、实践与研究。\n\n## 免责声明\n\n本仓库中的资源仅用于教育目的。请勿将本仓库中的资源用于任何形式的商业用途。\n\n如果电子书作者发现本仓库内容侵犯了其知识产权，请联系我，我将尽快移除相关内容。\n\n***\n\n## 课程\n\n| 课程名称                                                  | 机构                | 讲师                                                     | 链接                                                         | 类别                              |\n| :----------------------------------------------------------- | :------------------------- | :----------------------------------------------------------- | :------------------------------------------------------------ | :------------------------------------- |\n| 机器学习                                             | Coursera                   | [Andrew Ng](http:\u002F\u002Fwww.andrewng.org\u002F)                        | [[Coursera]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Fmachine-learning\u002F)[[Bilibili]](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002Fav9912938\u002Findex_2.html#page=1)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLZ9qNFMHZ-A4rycgrgOYma6zxF4BZGGPW) | 机器学习                      |\n| 机器学习基础                                         | 国立台湾大学 | [林轩田](https:\u002F\u002Fwww.csie.ntu.edu.tw\u002F~htlin\u002F)        | [[Bilibili]](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002Fav12463015\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLXVfgk9fNX2I7tB6oIINGBmW50rrmFTqf) | 机器学习                      |\n| 机器学习技术                                       | 国立台湾大学 | 林轩田                                               | [[Bilibili]](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002Fav12469267\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLXVfgk9fNX2IQOYPmqjqWsNUFl2kpk1U2) | 机器学习                      |\n| 机器学习                                             | 斯坦福大学   | Andrew Ng                                                    | [[网易]](http:\u002F\u002Fopen.163.com\u002Fspecial\u002Fopencourse\u002Fmachinelearning.html)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLA89DCFA6ADACE599) | 机器学习                      |\n| 深度学习                                                | deeplearning.ai            | Andrew Ng                                                    | [[网易]](https:\u002F\u002F163.lu\u002FnPtn42)[[Coursera]](https:\u002F\u002Fwww.coursera.org\u002Fspecializations\u002Fdeep-learning) | 深度学习                         |\n| CS231n：用于视觉识别的卷积神经网络                 | 斯坦福大学   | [李飞飞](http:\u002F\u002Fvision.stanford.edu\u002Ffeifeili\u002F)           | [[官网]](http:\u002F\u002Fcs231n.stanford.edu\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv) | 深度学习，计算机视觉        |\n| CS224n：使用深度学习进行自然语言处理               | 斯坦福大学   | [克里斯托弗·曼宁](https:\u002F\u002Fnlp.stanford.edu\u002Fmanning\u002F)     | [[官网]](http:\u002F\u002Fweb.stanford.edu\u002Fclass\u002Fcs224n\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6) | 深度学习，NLP                    |\n| 自然语言处理中的深度学习                             | 牛津大学          | [菲尔·布伦森](http:\u002F\u002Fwww.cs.ox.ac.uk\u002Fpeople\u002FPhil.Blunsom)   | [[官网]](http:\u002F\u002Fwww.cs.ox.ac.uk\u002Fteaching\u002Fcourses\u002F2016-2017\u002Fdl\u002F)[[课件]](https:\u002F\u002Fgithub.com\u002Foxford-cs-deepnlp-2017\u002Flectures) | 深度学习，NLP                   |\n| 应用深度学习 \u002F 机器学习：深入且结构化的应用         | 国立台湾大学 | [陈韵凝](http:\u002F\u002Fvivianchen.idv.tw\u002F)、[李宏毅](http:\u002F\u002Fspeech.ee.ntu.edu.tw\u002F~tlkagk\u002F) | [[官网]](https:\u002F\u002Fwww.csie.ntu.edu.tw\u002F~yvchen\u002Ff106-adl\u002Findex.html)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=hwUca8gsXdM&feature=youtu.be) | 机器学习，深度学习      |\n| CS 20：用于深度学习研究的TensorFlow                 | 斯坦福大学   | Chip Huyen                                                   | [[官网]](https:\u002F\u002Fweb.stanford.edu\u002Fclass\u002Fcs20si\u002F)[[Github]](https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fstanford-tensorflow-tutorials) | 深度学习                         |\n| CS 294：深度强化学习                                 | 加州大学伯克利分校 | 谢尔盖·列文                                                | [[官网]](http:\u002F\u002Frll.berkeley.edu\u002Fdeeprlcourse\u002F)[[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLkFD6_40KJIznC9CDbVTjAF2oyt8_VAe3) | 深度学习，强化学习 |\n| 用于NLP的神经网络                                      | 卡内基梅隆大学 | [格雷厄姆·诺伊比格](http:\u002F\u002Fphontron.com\u002F)                        | [[官网]](http:\u002F\u002Fwww.phontron.com\u002Fclass\u002Fnn4nlp2018\u002Fassignments.html) | NLP，深度学习                    |\n| 深度学习的数学                                     | 纽约大学       | Joan Bruna                                                   | [[Github]](https:\u002F\u002Fgithub.com\u002Fjoanbruna\u002FMathsDL-spring18)    | 深度学习                         |\n| NLP导论                                              | 斯坦福大学   | [丹·朱拉夫斯基](https:\u002F\u002Fweb.stanford.edu\u002F~jurafsky\u002F)、[克里斯·曼宁](https:\u002F\u002Fnlp.stanford.edu\u002Fmanning\u002F) | [[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL6397E4B26D00A269) | NLP                                   |\n| 文本挖掘与分析                                       | 伊利诺伊大学香槟分校 | [翟成祥](https:\u002F\u002Fzh.coursera.org\u002Finstructor\u002Fchengxiangzhai) | [[Coursera]](https:\u002F\u002Fzh.coursera.org\u002Flearn\u002Ftext-mining)      | NLP                                   |\n| 使用TensorFlow API的机器学习速成课程                 | 谷歌             | 谷歌                                                       | [[官网]](https:\u002F\u002Fdevelopers.google.com\u002Fmachine-learning\u002Fcrash-course\u002F) | 机器学习，TensorFlow          |\n| CS230：深度学习 | 斯坦福大学        | [Andrew Ng](http:\u002F\u002Fwww.andrewng.org\u002F)、[Kian Katanforoosh](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fkiankatan\u002F) | [[官网]](http:\u002F\u002Fcs230.stanford.edu\u002F) | 深度学习 |\n| PyTorch深度学习入门 | Facebook AI | Facebook AI | [[Udacity]](https:\u002F\u002Fin.udacity.com\u002Fcourse\u002Fdeep-learning-pytorch--ud188) | 深度学习，PyTorch |\n| 深度学习导论 | 加州大学伯克利分校 | [Alex Smola](https:\u002F\u002Falex.smola.org\u002F)、[Mu Li](https:\u002F\u002Fgithub.com\u002Fmli) | [[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLZSO_6-bSqHQHBCoGaObUljoXAyyqhpFW)[[GitHub]](https:\u002F\u002Fgithub.com\u002Fd2l-ai\u002Fberkeley-stat-157) | 深度学习 |\n| 机器学习基础 | 纽约大学 | [梅赫里亚尔·莫赫里](https:\u002F\u002Fcs.nyu.edu\u002F~mohri\u002F) | [[官网]](https:\u002F\u002Fcs.nyu.edu\u002F~mohri\u002Fml18\u002F) | 机器学习 |\n| DS1003 机器学习 | 纽约大学 | Julia Kempe、David Rosenberg | [[官网]](https:\u002F\u002Fdavidrosenberg.github.io\u002Fml2019\u002F#home)[[课件]](https:\u002F\u002Fdavidrosenberg.github.io\u002Fml2019\u002F#lectures) [[Youtube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=U6M0m9c9_Js&feature=youtu.be)[[作业]](https:\u002F\u002Fdavidrosenberg.github.io\u002Fml2019\u002F#assignments) | 机器学习 |\n| TensorFlow实战 | Coursera | Laurence Moroney | [[Coursera]](https:\u002F\u002Fwww.coursera.org\u002Fspecializations\u002Ftensorflow-in-practice) | TensorFlow |\n| DS-GA 1008 深度学习 | 纽约大学 | [扬·勒丘恩](http:\u002F\u002Fyann.lecun.com\u002F)、[阿尔弗雷多·坎齐亚尼](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Falfredocanziani\u002F) | [[官网]](https:\u002F\u002Fatcold.github.io\u002Fpytorch-Deep-Learning\u002F) [[YouTube]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLLHTzKZzVU9eaEyErdV26ikyolxOsz6mq)[[Bilibili]](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV197411M7gG\u002F?spm_id_from=333.788.videocard.1) | 深度学习，PyTorch |\n| 用于人类语言处理的深度学习 | 国立台湾大学 | [李宏毅](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUC2ggjtuuWvxrHHHiaDH1dlQ) | [[官网]](http:\u002F\u002Fspeech.ee.ntu.edu.tw\u002F~tlkagk\u002Fcourses_DLHLP20.html) [[YouTube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=nER51ZyJaCQ&list=PLJV_el3uVTsO07RpBYFsXg-bN5Lu0nhdG) | 深度学习，NLP |\n\n## 书籍\n\n| 书名                                                    | 作者                                                       | 链接                                                         | 类别                      |\n| :----------------------------------------------------------- | :----------------------------------------------------------- | :----------------------------------------------------------- | :----------------------------- |\n| 机器学习                                                     | 周志华                                                       | [[Amazon]](https:\u002F\u002Fwww.amazon.cn\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E5%91%A8%E5%BF%97%E5%8D%8E\u002Fdp\u002FB01ARKEV1G\u002Fref=sr_1_1?ie=UTF8&qid=1509470386&sr=8-1&keywords=%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)[[京东]](https:\u002F\u002Fitem.jd.com\u002F11867803.html) | 机器学习              |\n| 深度学习                                                | Ian Goodfellow, Yoshua Bengio, Aaron Courville               | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FDeep%20Learning.pdf)[[中文版]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0.pdf) | 深度学习                 |\n| 机器学习                                             | Tom Mitchell                                                 | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FMachine%20Learning.pdf) | 机器学习              |\n| 模式识别与机器学习                      | Christopher Bishop                                           | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FPattern%20Recognition%20and%20Machine%20Learning.pdf)[[中文版]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%A8%A1%E5%BC%8F%E8%AF%86%E5%88%AB.pdf) | 机器学习              |\n| 统计学习基础                                         | Trevor Hastie, Robert Tibshirani, Jerome Friedman            | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FThe%20Elements%20of%20Statistical%20Learning%20(2nd%20Edition).pdf) | 机器学习              |\n| 数据挖掘：实用的机器学习工具与技术 | Ian H. Witten, Eibe Frank                                    | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FData%20Mining%20-%20Practical%20Machine%20Learning%20Tools%20and%20Techniques%20(2nd%20Edition).pdf) | 数据挖掘                   |\n| 人工智能：现代方法                                   | Sturart  J. Russell, Peter Norvig                            | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FArtificial%20Intelligence%20-%20A%20Modern%20Approach%20(3rd%20Edition).pdf) | 人工智能                            |\n| 机器学习：概率视角                                     | Kevin P. Murphy                                              | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FMachine%20Learning%20-%20A%20Probabilistic%20Perspective.pdf) | 机器学习              |\n| 使用Python进行自然语言处理                      | Stven Bird, Ewan Klein, Edward Loper                         | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FNatural%20Language%20Processing%20with%20Python.pdf)[[链接]](http:\u002F\u002Fwww.nltk.org\u002Fbook_1ed\u002F) | 自然语言处理                           |\n| TensorFlow入门                                       | Giancarlo Zaccone                                            | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FGetting%20Started%20with%20Tensorflow.pdf) | TensorFlow                    |\n| 使用Scikit-Learn和TensorFlow动手实践机器学习   | Aurélien Géron                                               | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FHands%20On%20Machine%20Learning%20with%20Scikit%20Learn%20and%20TensorFlow.pdf)[[GitHub]](https:\u002F\u002Fgithub.com\u002Fageron\u002Fhandson-ml) | 机器学习              |\n| 使用Python进行深度学习                                    | François Chollet                                             | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FDeep%20Learning%20with%20Python.pdf)[[GitHub]](https:\u002F\u002Fgithub.com\u002Ffchollet\u002Fdeep-learning-with-python-notebooks) | 深度学习                 |\n| 概率图模型：原理与技术    | Daphne Koller, Nir Friedman                                  | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FProbabilistic%20Graphical%20Models%20-%20Principles%20and%20Techniques.pdf) | 概率图模型 |\n| 语音与语言处理                               | [Dan Jurafsky](http:\u002F\u002Fweb.stanford.edu\u002Fpeople\u002Fjurafsky\u002F), [James H. Martin](http:\u002F\u002Fwww.cs.colorado.edu\u002F~martin\u002F) | [[主页]](https:\u002F\u002Fweb.stanford.edu\u002F~jurafsky\u002Fslp3\u002F)[[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FSpeech%20and%20Language%20Processing%20(3rd%20Edition).pdf) | 自然语言处理                           |\n| 用于自然语言处理的神经网络方法       | Yoav Goldberg                                                | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FNeural%20Network%20Methods%20for%20Natural%20Language%20Processing.pdf) | 自然语言处理                           |\n| 统计学习方法                                                 | 李航                                                         | [[Amazon]](https:\u002F\u002Fwww.amazon.cn\u002Fdp\u002FB007TSFMTA\u002Fref=sr_1_1?ie=UTF8&qid=1524798458&sr=8-1&keywords=%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95) | 机器学习              |\n| 自然语言处理                      | Jacob Eisenstein                                         | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FNatural%20Language%20Processing.pdf) | 自然语言处理            |\n| Dive into Deep Learning 动手学深度学习 | Aston Zhang, Mu Li, Zachary C.Lipton, Alexander J.Smola | [[中文版]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fml-road\u002Fblob\u002Fmaster\u002Fresources\u002Fd2l-zh.pdf) [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fml-road\u002Fblob\u002Fmaster\u002Fresources\u002Fd2l-en.pdf) [[网站]](http:\u002F\u002Fzh.d2l.ai\u002F) [[GitHub]](https:\u002F\u002Fgithub.com\u002Fd2l-ai\u002Fd2l-zh) [[Jupyter]](https:\u002F\u002Fzh.d2l.ai\u002Fd2l-zh.zip) | 深度学习 |\n| 机器学习特征工程 | Alice Zheng, Amanda Casari             | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road\u002Fblob\u002Fmaster\u002Fresources\u002FFeature%20Engineering%20for%20Machine%20Learning.pdf)[[译]](https:\u002F\u002Fgithub.com\u002Fapachecn\u002Ffeature-engineering-for-ml-zh) | 机器学习，特征工程 |\n| 机器学习沉思 | Andrew Ng | [[译]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fml-road\u002Fblob\u002Fmaster\u002Fresources\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%AE%AD%E7%BB%83%E7%A7%98%E7%B1%8D.pdf)[[在线阅读]](https:\u002F\u002Faccepteddoge.github.io\u002Fmachine-learning-yearning-cn\u002Fdocs\u002Fhome\u002F) | 机器学习 |\n| 机器学习基础 | Mehryar Mohri | [[PDF]](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fml-road\u002Fblob\u002Fmaster\u002Fresources\u002FFoundations%20of%20Machine%20Learning%20(2nd%20Edition).pdf)[[主页]](https:\u002F\u002Fcs.nyu.edu\u002F~mohri\u002Fmlbook\u002F) | 机器学习 |\n\n## 智能体AI\n\n| 资源名称                                                | 类型                       | 作者\u002F讲师                                           | 链接                                                         | 分类                              |\n| :----------------------------------------------------------- | :------------------------- | :----------------------------------------------------------- | :------------------------------------------------------------ | :------------------------------------- |\n| 智能体AI                                                   | 课程                     | 吴恩达                                                    | [[DeepLearning.AI]](https:\u002F\u002Flearn.deeplearning.ai\u002Fcourses\u002Fagentic-ai\u002Finformation) | 智能体AI基础               |\n| LangChain用于大语言模型应用开发                    | 课程                     | 哈里森·切斯、吴恩达                                    | [[DeepLearning.AI]](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Flangchain-for-llm-application-development\u002F) | 大语言模型应用、智能体              |\n| 使用ChatGPT API构建系统                       | 课程                     | 伊莎·富尔福德、吴恩达                                       | [[DeepLearning.AI]](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Fbuilding-systems-with-chatgpt\u002F) | 大语言模型应用、智能体              |\n| Strands Agents                                               | SDK                        | Strands                                                      | [[官网]](https:\u002F\u002Fstrandsagents.com\u002Flatest\u002F) | 多智能体系统                   |\n| LangGraph中的AI智能体                                       | 课程                     | 哈里森·切斯、罗特姆·魏斯                                  | [[DeepLearning.AI]](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Fai-agents-in-langgraph\u002F) | 智能体框架                      |\n| 针对开发者的ChatGPT提示工程                   | 课程                     | 伊莎·富尔福德、吴恩达                                       | [[DeepLearning.AI]](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Fchatgpt-prompt-engineering-for-developers\u002F) | 提示工程                    |\n| ReAct：在语言模型中协同推理与行动  | 论文                      | Yao等                                                   | [[arXiv]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.03629) | 推理、规划                   |\n| Toolformer：语言模型可自我学习使用工具 | 论文                    | Schick等                                                | [[arXiv]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2302.04761) | 工具使用                              |\n| 深入了解ChatGPT等大语言模型                            | 课程                     | 安德烈·卡帕西                                              | [[YouTube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=7xTGNNLPyMI&t=14s) | 大语言模型基础                      |\n| 使用Strands Agents & MCP逐步构建你的第一个智能体AI应用 | 课程                     | AWS                                                          | [[YouTube]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=aijS9fWB854) | 智能体AI应用               |\n| 构建高效的AI智能体                                | 博客                       | Anthropic                                       | [[Anthropic]](https:\u002F\u002Fwww.anthropic.com\u002Fresearch\u002Fbuilding-effective-agents) | 智能体设计、最佳实践         |\n| 我们如何构建多智能体研究系统                | 博客                       | Anthropic                                    | [[Anthropic]](https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fbuilt-multi-agent-research-system) | 多智能体系统、架构     |","# ml-road 快速上手指南\n\n`ml-road` 并非一个需要安装运行的软件库，而是一个**机器学习与代理智能（Agentic AI）的资源导航仓库**。它汇集了全球顶尖的课程、书籍和研究资料。本指南将帮助你快速利用该仓库构建学习路径。\n\n## 环境准备\n\n由于本项目是资源列表，无需特定的系统环境或复杂的依赖安装。你只需要：\n\n*   **操作系统**：Windows, macOS 或 Linux 均可。\n*   **基础工具**：\n    *   Web 浏览器（推荐 Chrome 或 Edge）。\n    *   Git（用于克隆仓库到本地，可选）。\n    *   PDF 阅读器（用于阅读仓库中提供的电子书资源）。\n*   **网络环境**：\n    *   部分资源链接指向 Coursera、YouTube 或 GitHub 原版，国内访问可能受限。\n    *   **推荐方案**：优先使用仓库中提供的 **Bilibili (哔哩哔哩)**、**网易云课堂** 或 **GitHub 国内镜像** 链接，以获得流畅的观看和下载体验。\n\n## 获取资源\n\n你可以选择在线浏览或直接克隆仓库到本地以便离线查阅。\n\n### 方式一：在线浏览（推荐）\n直接访问 GitHub 仓库页面查看整理好的表格：\n[https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road](https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road)\n\n### 方式二：克隆到本地\n如果你希望离线保存所有电子书和资源链接，可以使用以下命令：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fyanshengjia\u002Fmachine-learning-road.git\ncd machine-learning-road\n```\n\n*注：若 GitHub 访问缓慢，可尝试使用国内加速地址或镜像站进行克隆。*\n\n## 基本使用\n\n本仓库的核心价值在于其分类清晰的资源表。以下是针对不同需求的使用示例：\n\n### 1. 寻找入门课程\n如果你想从零开始学习机器学习，请查看 `Courses` 表格中的 **Machine Learning** 分类：\n*   **首选推荐**：吴恩达 (Andrew Ng) 的《Machine Learning》课程。\n*   **国内加速观看**：点击表格中的 `[[Bilibili]]` 链接直接在哔哩哔哩观看高清视频，无需特殊网络环境。\n*   **备选方案**：林轩田老师的《Machine Learning Foundations》（台大课程），同样提供 Bilibili 链接。\n\n### 2. 下载经典教材\n如果你想研读经典电子书，请查看 `Books` 表格：\n*   **中文经典**：查找周志华老师的《机器学习》（俗称“西瓜书”），点击 `[[JD]]` 或 `[[Amazon]]` 购买纸质版，或在相关资源站搜索电子版。\n*   **深度学习圣经**：查找 Ian Goodfellow 的《Deep Learning》。\n    *   点击 `[[中文版]]` 链接可直接在仓库内预览或下载中文翻译版 PDF。\n    *   点击 `[[PDF]]` 链接下载英文原版。\n\n### 3. 进阶专项学习\n针对特定领域（如计算机视觉、NLP、强化学习），利用表格的 `Category` 列进行筛选：\n*   **计算机视觉**：定位到 Stanford CS231n (Fei-Fei Li 主讲)，使用提供的 `[[Youtube]]` 或课程主页链接。\n*   **自然语言处理**：定位到 Stanford CS224n (Christopher Manning 主讲) 或牛津大学的 Deep Learning for NLP 课程。\n*   **框架实战**：想学 PyTorch？查找 NYU 的 `DS-GA 1008 Deep Learning` (Yann LeCun 主讲)，该课程提供了完整的 `[[Bilibili]]` 播放列表和 `[[GitHub]]` 代码作业。\n\n> **注意**：本仓库资源仅供教育和个人学习使用，请勿用于商业目的。如遇版权争议，作者承诺会及时移除相关内容。","一名刚转行进入 AI 领域的算法工程师，正试图从零构建自己的知识体系，以应对公司新启动的计算机视觉与 NLP 混合项目。\n\n### 没有 ml-road 时\n- **资源检索碎片化**：需要在 GitHub、知乎、YouTube 和各大高校官网间反复跳转搜索，耗费数天仍难以拼凑出完整的课程地图。\n- **权威内容难甄别**：面对海量教程，无法快速区分哪些是斯坦福、台大等顶尖名校的系统性课程，容易在低质量资料中浪费精力。\n- **学习路径不清晰**：不清楚从基础的机器学习理论到进阶的深度学习（如 CS231n、CS224n）该如何循序渐进，导致知识结构断层。\n- **语言与平台障碍**：部分优质英文课程缺乏中文字幕或国内访问入口，非英语母语者上手门槛极高。\n\n### 使用 ml-road 后\n- **一站式资源聚合**：直接获取按领域分类的课程清单，涵盖 Andrew Ng、李飞飞等大师的经典课程，并附带 Bilibili、网易云课堂等国内可访问链接。\n- **名校体系化指引**：依托整理好的台大、斯坦福、牛津等高校课程表，迅速建立起从“机器学习基础”到“结构化深度学习”的清晰成长路线。\n- **精准匹配研究方向**：针对计算机视觉和自然语言处理需求，直接定位到 CS231n 和 CS224n 等专项课程主页及讲义，大幅缩短准备周期。\n- **多平台无障碍学习**：利用提供的多源链接（如 Youtube 配合 B 站搬运），轻松解决网络限制和语言障碍问题，实现高效沉浸式学习。\n\nml-road 将原本需要数周的信息搜集工作压缩至几小时，为开发者提供了一条通往顶尖 AI 教育的“高速公路”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyanshengjia_ml-road_b7bb5dee.png","yanshengjia","Shengjia Yan","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fyanshengjia_bf4734cc.jpg","SDE@Amazon | Master@NYU\r\n","@amzn","New York","i@yanshengjia.com",null,"yanshengjia.com","https:\u002F\u002Fgithub.com\u002Fyanshengjia",[85],{"name":86,"color":87,"percentage":88},"Python","#3572A5",100,4724,1696,"2026-04-19T15:34:40","MIT","","未说明",{"notes":96,"python":94,"dependencies":97},"该项目（ml-road）并非一个可执行的软件工具或代码库，而是一个机器学习与代理式 AI 的学习资源清单（包含课程链接、电子书资源等）。因此，它没有特定的操作系统、GPU、内存、Python 版本或依赖库要求。用户只需具备能够访问互联网和阅读在线内容\u002F下载文档的环境即可。部分链接指向的课程（如 TensorFlow 或 PyTorch 相关课程）可能有各自独立的环境需求，需参考具体课程资料。",[],[15,13,14,99,35],"音频",[101,102,103,104,105,106,107,108],"machine-learning","deep-learning","nlp","computer-vision","speech-recognition","tensorflow","pytorch","agentic-ai","2026-03-27T02:49:30.150509","2026-04-20T07:18:26.379519",[],[]]