如果覺得本文有幫助，請在推特和領英上關注我！我每周都會和朋友們分享有趣的鏈接，也可以及時訂閱。
想學習人工智能嗎？卻不知道如何或從哪里開始？
早在2020年，我就在互聯網上寫下了前20大免費數據科學、ML和AI MOOCs（https://towardsdatascience.com/top-20-free-data-science-ml-and-ai-moocs-on-the-internet-4036bd0aac12），時至今日，很多課程已今非昔比。
為了擺脫“教程陷阱”，學習到真東西，必須動手實踐，從頭編寫算法，復現論文，并通過真實項目用人工智能來解決實際問題。
本文設計了一套遵循該理念的免費課程，我自己也正在學習其中的一些課程，所以如果你想一起學習的話，請聯系推特或領英！
另外，如果你認為課程內容不完整的話，敬請留言！
首先，需要做一些關于課程的筆記和一些學習建議。
用excalidraw繪圖
自上而下的方法
本課程遵循一種自上而下的方法——首先是代碼，然后是理論。
我傾向于根據實際需要進行學習。所以，如果需要弄清楚某個東西、解決問題或制作原型，我將廣泛地搜集所需信息，深入研究并理解它，然后采取行動。
例如，我的目標是成為一名理解LLM的人工智能工程師（https://www.latent.space/p/ai-engineer），這需要擁有從零開始編寫Transformer以及在GPU上微調LLM等技能。但由于存在知識缺漏，我目前無法做到這些。因此，我的目標是填補這些空白。
這個課程主要關注自然語言處理（Natural Language Processing，NLP），如果尋求學習其他人工智能專業，如計算機視覺或強化學習，請在文后評論或在推特或領英上DM我，我會給你一些建議。
在把一堆鏈接交給你之前，我希望在開始學習之前能有人告訴我兩件重要的事情。
公開學習
有很多東西要學習，或許永遠也學不完。尤其是人工智能，每周都有新的革命性論文和想法發布。
容易犯的最大錯誤是在私密狀態下學習。這樣無法為自己創造任何機會。除了能說你完成了一些事情之外，沒有什么可以展示的。更重要的是，如何利用這些信息，將其轉化為知識并與公眾分享，對這些信息有什么新的想法和解決方案。
所以，應該公開學習（https://www.swyx.io/learn-in-public）。
這意味著要養成創造的習慣，例如：
- 寫博客和教程
- 加入黑客馬拉松，并與他人合作
- 在Discord社區詢問和回答問題
- 從事你感興趣的業余項目
- 在推特上發布一些你發現的有趣的東西
再來說說推特。
使用推特
如果你關注了對的人，并能夠正確地使用它，推特是當今任何人都能參與的價值最高的社交平臺。
要關注誰？看看Suhail的人工智能列表（https://twitter.com/i/lists/1539497752140206080?s=20）。
如何使用推特？請閱讀尼爾的《如何成功發布推特》（https://near.blog/how-to-twitter-successfully/?curius=1935）。
在推特上發送私信給別人時，要真誠、簡潔，并提出具體的要求。Sriram Krishnan寫的《如何寫冷電子郵件》指南（https://sriramk.com/coldemail/）也適用于私信。
如何發推文？請閱讀Instructor創始人Jason（https://twitter.com/jxnlco）寫的《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。他在幾個月內從0關注者成長到14k粉絲。
如果你正在讀本文，請在推特上關注我！
給我發私信，告訴我你在做什么！我愿意和你合作一些很酷的項目。
現在讓我們開始吧。
內容列表
- 1 數學
- 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 機器學習
° 3.1從零開始動手實踐°3.2競賽°3.3做項目°3.4部署項目°3.5補充 - 4 深度學習
°4.1 Fast.ai° 4.2參加更多競賽° 4.3論文復現 - °4.4計算機視覺
- °4.5強化學習
- ° 4.6 NLP
- 5 大型語言模型
° 5.1觀看神經網絡: 從零基礎到高手
° 5.2免費 LLM 訓練營
° 5.3使用LLMs構建應用
° 5.4參加黑客松比賽
° 5.5閱讀論文
° 5.6從頭開始寫 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）
° 5.7一些優質博客
° 5.8觀看 Umar Jamil的視頻
°5.9學習如何運行開源模型
°5.10 提示工程
° 5.11 微調LLM
° 5.12 RAG
- 6如何追蹤前沿動態
- 7其他有用的資源