标签
一个名为《Before GPU Engineering》的免费开源结构化数字笔记,包含 56 个章节,从零开始教授 GPU 架构和性能工程,涵盖 Warp、SIMT、内存层次结构、内核优化以及面向 AI/ML 工程师的性能分析等内容。
GitHub 仓库 cs329z-chinese 将 Stanford CS329Z《Engineering AI Agents》课程公开材料整理成一套中文自学教程,包含 19 讲、4 个动手练习以及可离线阅读的网页版,面向会 Python 的开发者系统学习 Agent 开发。
一位用户分享了 @lamhot_ai 撰写的一份实用的 LLM 推理指南,介绍了推理的整体概况,并添加了批注,突出其中最重要的部分。
介绍 GitHub 上的 claude-howto 教程仓库,通过 10 个模块、可视化 Mermaid 图和可直接复制的模板,帮助用户从零上手 Claude Code 的代理、钩子、技能与 MCP 服务器等高级功能。
一份名为 time-to-first-token 的开源 LLM 工程师实战手册,以 10 周、50 堂课的路线图,从零构建可上生产的 OpenAI 兼容推理服务,涵盖 vLLM 源码、PagedAttention、监控、1000+ 并发压测与量化优化。
Discover AI 是一款离线学习应用,提供 51 个动手实验,涵盖神经元、梯度下降、注意力、RAG、智能体、微调、量化与部署。部分实验可实际运行(如内置的拥有 137 万参数的小型 Transformer),无需账号,也不收集遥测数据,代码已在 GitHub 开源。
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。