标签
一个 GitHub 仓库，提供《Computer Systems: A Programmer's Perspective》的完整中文 Markdown 版本，包含练习题、答案和实验室指导，并附带在线阅读网站。
一条推文推荐CS336作为学习LLMs、架构和内核的起点。
一个开源、免费的在线英语语法项目，旨在通过分级难度系统地构建英语语法基础，支持自学和课堂教学。
来自@real_deep_ml的一条推文，推荐一本机器学习书籍，并强调Deep-ML平台用NumPy教授核心概念，并使用scikit-learn或PyTorch进行项目实践的方法。
一个GitHub仓库，提供结构化的100天LLM推理工程学习计划，涵盖从CUDA内核到自动扩展的主题，并配有可运行的脚本。
GitHub_Daily 推荐了一个开源项目 ai-agents-from-scratch，它从零开始使用本地模型逐步实现工具调用、记忆和 ReAct 循环等核心模式，帮助开发者理解 AI Agent 的底层原理，而不直接使用框架。
FreeCodeCamp 发布了一本完整的书，教你如何从 homelab 到 AWS 构建一个生产就绪的 DevSecOps 平台，涵盖 Kubernetes、CI/CD、GitOps、安全扫描和可观测性。
推文分享了Google和Kaggle联合推出的AI Agent五天专项课的精华压缩版视频，剔除了灌水和重复内容，保留了核心干货。
推荐一个开源中文AI Agent通识教程网站，包含21章可视化动画教程、130+道题库和AI助教，纯静态可一键部署到Nginx。
推荐《The Little Book of Reinforcement Learning》这本强化学习入门教材，书短但覆盖基础到算法，并配有PyTorch实现和补充推导，适合理解RL核心概念。
一条推文推广一个GitHub仓库，其中包含来自Google、Amazon、Microsoft和Netflix等大公司的300多个真实机器学习系统设计案例研究，旨在教授如何实际构建生产级机器学习系统。
Kyle Kingsbury 分享了一份免费的 16-32 小时分布式系统基础课程大纲，涵盖理论、算法和实际生产问题，并通过 Maelstrom 提供可选的实验练习。
一套覆盖神经网络核心概念的四张卡片：神经元、前向传播、激活函数和反向传播，旨在帮助学习者理解从感知机到Transformer等模型的工作原理。
GPU Mode 是一个学习资源，包含YouTube系列、GitHub仓库（含幻灯片/笔记本）以及一个类似Leetcode的练习网站，用于掌握CUDA编程。
介绍 codecrafters-io/build-your-own-x 仓库，一个收集了从零开始构建各种技术的教程合集，帮助开发者通过动手实践来理解底层原理。
介绍了一个名为“AI Engineering from Scratch”的开源课程，包含503节课，从线性代数到自主群体，特别强调Agent Engineering和Multi-Agent阶段。
一条推荐'Hands-on Modern RL'网站作为从零开始学习强化学习的最佳资源的推文，并附有关于BipedalWalker章节的链接。
一个交互式3D逐步指南，通过可视化方式学习LLM工作原理，涵盖嵌入、自注意力、softmax等关键Transformer概念。推荐使用视觉化方法，而非阅读论文。
一个全面的系统设计大师树，涵盖从基础知识到实际应用的各个方面，包括架构模式、数据库、缓存、消息系统、API设计和部署策略。旨在作为软件工程师的结构化学习指南。