标签
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。
一个Python学习仓库，通过23个渐进式会话逆向工程Claude Code风格的智能体架构，涵盖规划、子智能体、上下文管理等。
一条推文推荐了《语言AI手册》，这是一本免费在线资源，涵盖从经典NLP到现代Transformers、量化、强化学习和安全性等LLM组件。
A free, open-source AI engineering curriculum that covers math, LLMs, and agents across 20 phases and 435 lessons in Python, TypeScript, Rust, and Julia, designed to fill gaps in fragmented AI tutorials.
This post shares a curated GitHub repository containing over 30 practical AI projects, covering domains from regression to generative AI, with many end-to-end examples, suitable for learners and developers.
A project-based course repository on Harness Engineering for AI coding agents, covering environment setup, state management, verification, and control mechanisms to make AI coding agents work reliably. The course synthesizes best practices from OpenAI and Anthropic on building effective harnesses for long-running agents.