curriculum

分享了一份为期12周24课的AI入门课程，覆盖从符号主义到神经网络、CNN、RNN、GAN、遗传算法及多智能体系统，配有PyTorch和TensorFlow双版本notebook，适合系统学习AI知识。

讨论EE/CS教育高昂成本，鼓励查找一个GitHub上的开源电气电子工程课程资源库，认为高等教育革命将由此迅速发展。

一条推文推广一个精选的学习路径，涵盖关键AI工程概念，声称能在3周内获得个人BSc级别的教育。

一个GitHub仓库，汇集了哈佛、麻省理工、斯坦福等顶尖大学的课程，整理成一个结构化的计算机科学学位，包含先修课程和工作量详情，提供无需文凭的免费学习路线图。

GitHub 上的一份开源计算机科学课程清单 open-source-cs，汇集 MIT、斯坦福等名校免费公开课，按本科培养路径编排，已获 2 万+ Stars，适合自学者系统学习。

一套从零到精通的AI工程全栈学习路径，包含503节课，覆盖数学基础到自主Agent集群，提供中文全量翻译及独立网站。

密歇根大学已将其整个机器人学位课程免费发布在GitHub上，包括讲座视频、教科书和作业，从实用的机器人线性代数开始。

哈佛开源了整个ML系统课程，但作者认为仅凭它无法让数据科学家获得高薪AI职位。

本文提出了一种系统，将先验知识图谱与基于PPO的策略相结合，以结构化LLM的苏格拉底式辅导，实验表明，在学生的掌握程度和效率上，该系统优于启发式方法和前沿模型基线。

一个免费开源的AI工程课程，涵盖从线性代数到自主智能体集群的20个阶段，包含Python、TypeScript、Rust和Julia的动手构建。所有材料均可重复使用，并可连接到Claude Code或Cursor。

DanKornas 介绍了一个开源的 AI 基础设施工程师学习路径，这是一个结构化的 10 模块课程，涵盖从基础到 LLM 基础设施的内容，包含实践实验和项目。

由@ghumare64创建的19阶段AI/ML学习课程结构，涵盖从设置与数学到毕业项目的主题。

一个实践性 PyTorch 课程，教授从 Transformer 基础到微调和对齐的 LLM 训练，包括 RLHF 和 GRPO。

推荐一个开源AI工程学习课程，包含20个阶段、503节课，从数学基础到生产部署，覆盖Python等语言，旨在从零构建完整AI工程体系。

微软在GitHub上发布了一个免费的、开源的人工智能学位课程，内容涵盖神经网络、深度学习、自然语言处理、Transformer、大语言模型、生成式AI等。

一个全面的500小时学习路径，涵盖AI基础设施工程，包括Docker、Kubernetes、MLOps、LLM基础设施等，通过动手项目和实验进行学习。

一个精选的视频引导课程和全面的资源列表，用于学习ML系统和LLM基础设施，包括论文、课程和教程。

一个免费、开源的AI工程课程，位于GitHub上，包含435节课，从基础数学教到生产部署，涵盖多种语言。

推荐一个名为ai-engineering-from-scratch的开源GitHub仓库，包含435节课和20个阶段，系统覆盖AI工程从数学基础到Agent的完整学习路线。

一个免费的开源课程，从基本原理教授AI工程，在使用框架之前从原始数学构建算法。课程包含20个阶段的435节课，支持Python、TypeScript、Rust和Julia。