educational-resources

东京工业大学已免费公开机器学习课程材料，涵盖回归、神经网络、支持向量机、聚类和主成分分析等主题，并附有使用NumPy、scikit-learn和PyTorch的实践代码。

这篇文章列出了50个免费且合法的在线工具和资源网站，涵盖视频下载、图像处理、AI辅助、学术搜索、编程工具等多个类别，全部免费使用。

整合了斯坦福大学9堂关于Transformer和LLM的深度讲解课程，附有YouTube视频链接。

一个精心整理的GitHub收藏集（Mathematics for Machine Learning），整理了书籍、论文、视频讲座和数学基础，用于学习和复习机器学习背后的数学知识，涵盖线性代数、微积分、概率论、统计学等。

一篇博客文章，列出了8个最佳卷积神经网络资源，包括来自Udacity、deeplearning.ai、Datacamp和Udemy的课程。

Introduces an open-source book 'Mathematical Foundation of Reinforcement Learning' that provides a rigorous yet accessible mathematical approach to RL, using grid world examples to clarify algorithmic logic.

斯坦福大学 CS153 系统课程 2026 年的讲座视频已整理成专属播放列表，这些内容会定期上传至斯坦福官方 YouTube 频道。