如果觉得本文有帮助，请在推特和领英上关注我！我每周都会和朋友们分享有趣的链接，也可以及时订阅。

想学习人工智能吗？却不知道如何或从哪里开始？

早在2020年，我就在互联网上写下了前20大免费数据科学、ML和AI MOOCs（https://towardsdatascience.com/top-20-free-data-science-ml-and-ai-moocs-on-the-internet-4036bd0aac12），时至今日，很多课程已今非昔比。

为了摆脱“教程陷阱”，学习到真东西，必须动手实践，从头编写算法，复现论文，并通过真实项目用人工智能来解决实际问题。

本文设计了一套遵循该理念的免费课程，我自己也正在学习其中的一些课程，所以如果你想一起学习的话，请联系推特或领英！

另外，如果你认为课程内容不完整的话，敬请留言！

首先，需要做一些关于课程的笔记和一些学习建议。

 

用excalidraw绘图

自上而下的方法

本课程遵循一种自上而下的方法——首先是代码，然后是理论。

我倾向于根据实际需要进行学习。所以，如果需要弄清楚某个东西、解决问题或制作原型，我将广泛地搜集所需信息，深入研究并理解它，然后采取行动。

例如，我的目标是成为一名理解LLM的人工智能工程师（https://www.latent.space/p/ai-engineer），这需要拥有从零开始编写Transformer以及在GPU上微调LLM等技能。但由于存在知识缺漏，我目前无法做到这些。因此，我的目标是填补这些空白。

这个课程主要关注自然语言处理（Natural Language Processing，NLP），如果寻求学习其他人工智能专业，如计算机视觉或强化学习，请在文后评论或在推特或领英上DM我，我会给你一些建议。

在把一堆链接交给你之前，我希望在开始学习之前能有人告诉我两件重要的事情。

公开学习

有很多东西要学习，或许永远也学不完。尤其是人工智能，每周都有新的革命性论文和想法发布。

容易犯的最大错误是在私密状态下学习。这样无法为自己创造任何机会。除了能说你完成了一些事情之外，没有什么可以展示的。更重要的是，如何利用这些信息，将其转化为知识并与公众分享，对这些信息有什么新的想法和解决方案。

所以，应该公开学习（https://www.swyx.io/learn-in-public）。

这意味着要养成创造的习惯，例如：

• 写博客和教程
• 加入黑客马拉松，并与他人合作
• 在Discord社区询问和回答问题
• 从事你感兴趣的业余项目
• 在推特上发布一些你发现的有趣的东西

再来说说推特。

使用推特

如果你关注了对的人，并能够正确地使用它，推特是当今任何人都能参与的价值最高的社交平台。

要关注谁？看看Suhail的人工智能列表（https://twitter.com/i/lists/1539497752140206080?s=20）。

如何使用推特？请阅读尼尔的《如何成功发布推特》（https://near.blog/how-to-twitter-successfully/?curius=1935）。

在推特上发送私信给别人时，要真诚、简洁，并提出具体的要求。Sriram Krishnan写的《如何写冷电子邮件》指南（https://sriramk.com/coldemail/）也适用于私信。

如何发推文？请阅读Instructor创始人Jason（https://twitter.com/jxnlco）写的《推文剖析》（https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit_v2&action=edit&isNew=1&type=77&createType=0&token=837735478&lang=zh_CN×tamp=1712153003025#hook）一文。他在几个月内从0关注者成长到14k粉丝。

如果你正在读本文，请在推特上关注我！

给我发私信，告诉我你在做什么！我愿意和你合作一些很酷的项目。

现在让我们开始吧。

内容列表

• 1 数学
• 2 工具
  ∘2.1 Python（https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit_v2&action=edit&isNew=1&type=77&createType=0&token=837735478&lang=zh_CN×tamp=1712153003025#6e37）
• ∘2.2 PyTorch
• 3 机器学习
  ∘ 3.1从零开始动手实践∘3.2竞赛∘3.3做项目∘3.4部署项目∘3.5补充
• 4 深度学习
  ∘4.1 Fast.ai∘ 4.2参加更多竞赛∘ 4.3论文复现
• ∘4.4计算机视觉
• ∘4.5强化学习
• ∘ 4.6 NLP
• 5 大型语言模型

∘ 5.1观看神经网络: 从零基础到高手

∘ 5.2免费 LLM 训练营

∘ 5.3使用LLMs构建应用

∘ 5.4参加黑客松比赛

∘ 5.5阅读论文

∘ 5.6从头开始写 Transformers（https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit_v2&action=edit&isNew=1&type=77&createType=0&token=837735478&lang=zh_CN×tamp=1712153003025#4df0）

∘ 5.7一些优质博客

∘ 5.8观看 Umar Jamil的视频

∘5.9学习如何运行开源模型

∘5.10 提示工程

∘ 5.11 微调LLM

∘ 5.12 RAG

• 6如何追踪前沿动态
• 7其他有用的资源