├── AI 数学 ├── 博一数学 │ └── README.md ├── 大学数学 │ ├── 大一数学 │ │ └── README.md │ ├── 大三数学 │ │ └── README.md │ ├── 大二数学 │ │ └── README.md │ └── 大四数学 │ │ └── README.md ├── 研一数学 │ └── README.md ├── 研三数学 │ └── README.md ├── 研二数学 │ └── README.md └── 高中数学 │ ├── 高一数学 │ └── README.md │ └── 高二数学 │ └── README.md ├── AI赚钱 └── README.md ├── LLM 大型语言模型 ├── AI 大模型---工程落地方向.md ├── AI 大模型---算法方向.md ├── README.md └── 吴恩达老师LLM学习路径 │ └── README.md ├── Python ├── Matplotlib │ └── README.md ├── NumPy │ └── README.md ├── README.md └── pandas │ └── README.md ├── README.md ├── 向量数据库 └── README.md ├── 多模态学习 └── README.md ├── 强化学习 └── README.md ├── 推荐系统学习路径.png ├── 数据分析学习路径.png ├── 机器学习 └── README.md ├── 深度学习 └── README.md ├── 知识推理 └── README.md ├── 知识表示 └── README.md ├── 联邦学习 └── README.md ├── 自然语言处理学习路径.png ├── 自然语言处理（NLP） └── README.md ├── 视频处理（VP） └── README.md ├── 计算机视觉学习路径.png ├── 计算机视觉（CV） └── README.md ├── 迁移学习 └── README.md └── 音频处理（AP） └── README.md /AI 数学/博一数学/README.md: -------------------------------------------------------------------------------- 1 | 一、数学基础核心课（博士统一要求） 2 | 3 | 现代实分析（Advanced Real Analysis） 4 | 5 | Riesz表示定理 6 | 7 | Radon-Nikodym定理 8 | 9 | Fubini定理、Tonelli定理（一般形式） 10 | 11 | 测度收敛类型的完整系统（几乎处处、一致、弱收敛等） 12 | 13 | L^p 空间结构与完备性、双对偶空间 14 | 15 | 泛函分析进阶（Functional Analysis II） 16 | 17 | Banach空间的紧性准则（Eberlein–Šmulian） 18 | 19 | 强拓扑与弱拓扑、σ-弱拓扑 20 | 21 | 紧算子与谱理论高级 22 | 23 | 自伴算子、不动点定理系统框架（Krasnoselskii, Schauder） 24 | 25 | 分布导数、Sobolev空间系统构建（与PDE结合） 26 | 27 | 现代抽象代数（Algebra for PhD） 28 | 29 | 群、环、域的范畴化理解 30 | 31 | 同调代数基础：链复形、Tor与Ext 32 | 33 | 群上同调、群表示理论进阶 34 | 35 | 代数簇与几何基础（引入伽罗瓦层论） 36 | 37 | 数值分析理论基础（理论计算方向） 38 | 39 | 连续问题的离散逼近理论 40 | 41 | 泛函逼近与误差估计 42 | 43 | 稀疏网格、多重网格方法理论 44 | 45 | 有限元方法的严格数学基础 46 | 47 | 二、专业方向理论基础课程（根据研究方向选修） 48 | 49 | 偏微分方程高级课程（PDE Theory II） 50 | 51 | Sobolev空间完整体系（弱导数、迹、插值不等式） 52 | 53 | 线性与非线性椭圆型方程理论（Fredholm替代定理） 54 | 55 | 演化型方程的半群理论（Hille-Yosida定理） 56 | 57 | 分布解、弱解、强解之间的转换条件 58 | 59 | 概率论与随机分析进阶 60 | 61 | 测度论概率模型体系 62 | 63 | 鞅收敛定理、停时理论 64 | 65 | Levy过程、跳跃过程、广义随机过程 66 | 67 | Itô积分严密定义，SDE存在唯一性与正则性问题 68 | 69 | 微分几何 / 拓扑进阶 70 | 71 | 流形上的联络与曲率张量 72 | 73 | De Rham上同调、切丛与特征类 74 | 75 | 指数映射、Hadamard定理 76 | 77 | Morse理论、Hodge理论基础 78 | 79 | morepage 80 | 81 | 82 | 83 | 84 | 85 | 86 | 87 | You said: 88 | continue 89 | 90 | 91 | ChatGPT said: 92 | 三、博士研究方法与规范训练 93 | 94 | 学术论文精读与批判性思维 95 | 96 | 精读顶刊论文（Annals of Mathematics, Inventiones, JAMS等） 97 | 98 | 理论链条还原与文献对比 99 | 100 | 技术细节验证与结果可重构 101 | 102 | 数学写作与表达规范 103 | 104 | LaTeX模板规范（AMS、Springer、SIAM） 105 | 106 | 图表排版、引理-定理结构设计 107 | 108 | 英文摘要撰写、proofreading规范 109 | 110 | 正式证明 vs. 技术 Lemma 排布技巧 111 | 112 | 研究开题与选题准备 113 | 114 | 文献调研策略（从问题—工具—前沿发展三维度展开） 115 | 116 | 国内外研究空白定位 117 | 118 | 选题可行性与深度匹配 119 | 120 | 拟开题报告的结构与创新点设计 121 | 122 | 跨学科数学建模与数理工具储备 123 | 124 | 图模型与图谱分析 125 | 126 | 非线性动力学与混沌理论 127 | 128 | 泛函微分方程、变分不等式建模 129 | 130 | 机器学习中的理论问题（泛化界、梯度流等） 131 | 132 | 四、博士资格考试准备 / 综合考试训练（视学校而定） 133 | 134 | 高阶综合理论题训练 135 | 136 | 抽象分析全体系证明题 137 | 138 | 泛函分析与PDE交叉题目 139 | 140 | 概率+测度混合题型（如鞅定理在测度收敛上的应用） 141 | 142 | 专业课笔试准备（如偏微分方程、代数几何等） 143 | 144 | 面试答辩模拟训练 145 | 146 | 用英文阐述研究目标、意义与预期贡献 147 | 148 | 面对跨方向老师的问题回弹能力 149 | 150 | 五、部分方向特设高级课程（仅适用于特定方向） 151 | 152 | 算术几何基础（模形式、Etale Cohomology） 153 | 154 | 数学逻辑与模型论（不完全性、稳定性理论） 155 | 156 | 高维拓扑（同伦理论、流形范畴化） 157 | 158 | 非线性分析方法（KAM理论、Nash-Moser技术） 159 | 160 | 高维统计推断（随机矩阵、大样本极限、PAC-Bayes） 161 | 162 | -------------------------------------------------------------------------------- /AI 数学/大学数学/大一数学/README.md: -------------------------------------------------------------------------------- 1 | 以下是大一数学（高等数学）所有核心知识点，覆盖常见《高等数学》《线性代数》《概率论与数理统计》 2 | 3 | 一、高等数学（上） 4 | 5 | 极限与连续 6 | 7 | 数列极限、函数极限 8 | 9 | 无穷小与无穷大 10 | 11 | 极限四则运算、夹逼准则 12 | 13 | 函数连续性及间断点分类 14 | 15 | 导数与微分 16 | 17 | 导数定义与几何意义 18 | 19 | 基本初等函数的导数 20 | 21 | 高阶导数 22 | 23 | 微分及其应用 24 | 25 | 导数的应用 26 | 27 | 单调性、极值、最值 28 | 29 | 凹凸性与拐点 30 | 31 | 曲率、渐近线 32 | 33 | 洛必达法则、不定式极限 34 | 35 | 实际问题建模与优化 36 | 37 | 不定积分 38 | 39 | 不定积分概念与性质 40 | 41 | 基本积分公式 42 | 43 | 换元法、分部积分法 44 | 45 | 二、高等数学（下） 46 | 47 | 定积分 48 | 49 | 定积分定义与性质 50 | 51 | 牛顿-莱布尼茨公式 52 | 53 | 定积分计算技巧 54 | 55 | 面积、体积、弧长、作功等应用 56 | 57 | 微积分基本定理 58 | 59 | 广义积分（瑕积分） 60 | 61 | 微分方程初步 62 | 63 | 一阶可分离变量方程 64 | 65 | 一阶线性微分方程 66 | 67 | 多元函数微分学 68 | 69 | 多元函数极限与连续 70 | 71 | 偏导数、全微分、方向导数 72 | 73 | 梯度、隐函数与条件极值 74 | 75 | 拉格朗日乘数法 76 | 77 | 重积分 78 | 79 | 二重积分（直角坐标、极坐标） 80 | 81 | 三重积分及应用（体积、质量） 82 | 83 | 三、线性代数 84 | 85 | 向量与矩阵 86 | 87 | 向量的概念、运算与几何意义 88 | 89 | 矩阵的基本运算（加法、乘法、数乘、转置） 90 | 91 | 行列式 92 | 93 | 行列式的定义与性质 94 | 95 | 行列式的计算方法（展开法、初等变换法） 96 | 97 | 线性方程组 98 | 99 | 高斯消元法、矩阵表示 100 | 101 | 齐次与非齐次方程组的解结构 102 | 103 | 向量空间与子空间 104 | 105 | 基、维数、线性相关与线性无关 106 | 107 | 线性变换 108 | 109 | 定义、矩阵表示、核与像 110 | 111 | 特征值与特征向量 112 | 113 | 定义、求法及其应用 114 | 115 | 四、概率论与数理统计 116 | 117 | 概率基础 118 | 119 | 概率的定义、古典概率、条件概率与全概率公式 120 | 121 | 贝叶斯公式 122 | 123 | 离散型随机变量 124 | 125 | 分布律、期望、方差 126 | 127 | 常见分布（如二项分布、泊松分布） 128 | 129 | 连续型随机变量 130 | 131 | 概率密度函数、分布函数、期望与方差 132 | 133 | 常见分布（如正态分布、均匀分布、指数分布） 134 | 135 | 多维随机变量与联合分布 136 | 137 | 边缘分布、条件分布、独立性 138 | 139 | 数理统计初步 140 | 141 | 抽样分布、参数估计、假设检验 142 | 143 | -------------------------------------------------------------------------------- /AI 数学/大学数学/大三数学/README.md: -------------------------------------------------------------------------------- 1 | 一、实变函数 2 | 3 | 集合与测度 4 | 5 | σ代数、可测集 6 | 7 | Lebesgue测度与测度的性质 8 | 9 | Lebesgue积分 10 | 11 | 可测函数与积分定义 12 | 13 | 单调收敛定理、主导收敛定理 14 | 15 | 函数收敛方式 16 | 17 | 几乎处处收敛、一致收敛、Lp收敛 18 | 19 | Lp空间与性质 20 | 21 | Lebesgue积分与Riemann积分比较 22 | 23 | 函数列与函数族的逼近性质 24 | 25 | 二、泛函分析（基础） 26 | 27 | 赋范空间与线性空间 28 | 29 | Banach空间、Hilbert空间的定义与性质 30 | 31 | 有界线性算子与连续性 32 | 33 | Hahn-Banach定理 34 | 35 | 开映像定理、闭图像定理 36 | 37 | 对偶空间与弱收敛 38 | 39 | 正交投影与Riesz表示定理 40 | 41 | 三、常微分方程进阶（理论向） 42 | 43 | 解的存在唯一性定理 44 | 45 | Picard迭代、Grönwall不等式 46 | 47 | 高阶微分方程的系统解法 48 | 49 | 解的最大延拓与连续依赖性 50 | 51 | 稳定性理论与李雅普诺夫方法 52 | 53 | 边值问题与特征值问题 54 | 55 | morepage 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | You said: 64 | continue 65 | 66 | 67 | ChatGPT said: 68 | 四、偏微分方程（PDE） 69 | 70 | 基本类型与分类 71 | 72 | 椭圆型、抛物型、双曲型方程 73 | 74 | 一阶线性方程通解 75 | 76 | 二阶PDE标准形式与特征线法 77 | 78 | 分离变量法 79 | 80 | 热传导方程、波动方程、Laplace方程 81 | 82 | 傅里叶级数与特解展开 83 | 84 | 格林函数、基本解思想 85 | 86 | 数值解法引入（有限差分法） 87 | 88 | 五、数学建模与优化理论（进阶） 89 | 90 | 线性规划 91 | 92 | 单纯形法、对偶问题、灵敏度分析 93 | 94 | 非线性规划 95 | 96 | 一元多元无约束优化 97 | 98 | 有约束最优化（KKT条件、拉格朗日乘子） 99 | 100 | 多目标优化 101 | 102 | 动态规划思想 103 | 104 | 建模综合题（交通、物流、经济系统等） 105 | 106 | 六、图论与组合数学（进阶） 107 | 108 | 图的遍历、连通性 109 | 110 | 欧拉图、哈密顿图 111 | 112 | 网络流与最短路径 113 | 114 | 图的着色与匹配 115 | 116 | 组合恒等式、生成函数 117 | 118 | Pólya计数、容斥原理进阶应用 119 | 120 | 七、数理统计（进阶） 121 | 122 | 点估计与区间估计 123 | 124 | 假设检验、p值、置信区间 125 | 126 | 方差分析（ANOVA） 127 | 128 | 回归分析（线性与非线性） 129 | 130 | 最大似然估计（MLE）、贝叶斯估计 131 | 132 | 多元统计与判别分析（部分专业涉及） 133 | -------------------------------------------------------------------------------- /AI 数学/大学数学/大二数学/README.md: -------------------------------------------------------------------------------- 1 | 以下是大二数学课程常见的主要知识点（覆盖数学、工科、计算机相关专业的常规内容），重点包括数学分析、常微分方程、复变函数、数值分析等 2 | 3 | 4 | 一、数学分析（进阶） 5 | 6 | 实数与数列理论基础 7 | 8 | 上确界、下确界 9 | 10 | 柯西数列、实数完备性 11 | 12 | 极限理论 13 | 14 | 函数极限的ε-δ定义 15 | 16 | 一致连续、逐点连续 17 | 18 | 多元函数极限与连续 19 | 20 | 极限存在性判断 21 | 22 | 重极限与二重极限的交换 23 | 24 | 多元函数微分学 25 | 26 | 高阶偏导数与混合偏导 27 | 28 | 隐函数与反函数定理 29 | 30 | 多元泰勒公式 31 | 32 | 多元函数积分学 33 | 34 | 重积分、曲线积分、曲面积分 35 | 36 | 格林公式、高斯公式、斯托克斯公式 37 | 38 | 二、常微分方程（ODE） 39 | 40 | 一阶微分方程 41 | 42 | 可分离变量型 43 | 44 | 齐次与可降阶方程 45 | 46 | 一阶线性方程、伯努利方程 47 | 48 | 高阶微分方程 49 | 50 | 常系数齐次与非齐次线性方程 51 | 52 | 特解法（常数变易法、参数变异法） 53 | 54 | 微分方程组 55 | 56 | 应用模型（如谐振、电路、人口模型等） 57 | 58 | 三、复变函数 59 | 60 | 复数基本运算、几何意义 61 | 62 | 复函数的极限与连续 63 | 64 | 可导性与柯西-黎曼条件 65 | 66 | 解析函数与初等复函数 67 | 68 | 复函数积分（柯西定理、积分公式） 69 | 70 | 级数展开（泰勒级数、洛朗级数） 71 | 72 | 孤立奇点与留数定理 73 | 74 | 留数计算及在实积分中的应用 75 | 76 | morepage 77 | 78 | 79 | 80 | 81 | 82 | 83 | 84 | You said: 85 | continue 86 | 87 | 88 | ChatGPT said: 89 | 四、数值分析（部分高校大二开设） 90 | 91 | 数值计算误差与稳定性 92 | 93 | 截断误差与舍入误差 94 | 95 | 条件数与误差传播 96 | 97 | 插值与逼近 98 | 99 | 拉格朗日插值、牛顿插值 100 | 101 | 分段线性插值与样条函数 102 | 103 | 数值积分与微分 104 | 105 | 矩形法、梯形法、Simpson公式 106 | 107 | 数值微分基本方法 108 | 109 | 线性方程组数值解法 110 | 111 | 高斯消元法、LU分解 112 | 113 | 迭代法（Jacobi、Gauss-Seidel） 114 | 115 | 非线性方程数值解法 116 | 117 | 二分法、牛顿法、割线法 118 | 119 | 常微分方程数值解法（Euler法、Runge-Kutta法） 120 | 121 | 五、离散数学（视专业方向安排） 122 | 123 | 数理逻辑与集合论基础 124 | 125 | 图论基础 126 | 127 | 图的表示与遍历 128 | 129 | 最短路径、最小生成树 130 | 131 | 组合数学（排列组合、容斥原理） 132 | 133 | 关系与函数、布尔代数 134 | 135 | 六、数学建模基础（部分高校） 136 | 137 | 建模思路与建模流程 138 | 139 | 常见数学模型（最优化、预测、动态系统） 140 | 141 | 数学软件辅助建模（MATLAB、Python、Excel等） 142 | -------------------------------------------------------------------------------- /AI 数学/大学数学/大四数学/README.md: -------------------------------------------------------------------------------- 1 | 一、拓扑学基础 2 | 3 | 拓扑空间的定义与基本概念 4 | 5 | 开集、闭集、邻域、内点、闭包 6 | 7 | 连通性与紧性 8 | 9 | 路连通、连通分支、紧空间性质 10 | 11 | 序列收敛与连续映射 12 | 13 | 度量空间与拓扑空间的关系 14 | 15 | 同胚与商拓扑 16 | 17 | 紧致性、Hausdorff空间 18 | 19 | 二、微分几何初步 20 | 21 | 曲线与曲面的参数方程表示 22 | 23 | 曲率与挠率 24 | 25 | 曲面上的第一、第二基本形式 26 | 27 | 法向量场与高斯曲率 28 | 29 | Gauss公式与Codazzi公式 30 | 31 | Gauss-Bonnet定理（入门） 32 | 33 | 三、抽象代数（代数学结构） 34 | 35 | 群论基础 36 | 37 | 子群、陪集、正规子群、同构定理 38 | 39 | 环与域 40 | 41 | 整环、主理想整环、欧几里得环 42 | 43 | 多项式环、因式分解唯一性 44 | 45 | 模与线性表示 46 | 47 | 域扩张与伽罗瓦理论（基础） 48 | 49 | morepage 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | You said: 58 | continue 59 | 60 | 61 | ChatGPT said: 62 | 四、数论（高等数论或初等数论进阶） 63 | 64 | 同余理论 65 | 66 | 欧拉函数、欧拉定理、费马小定理 67 | 68 | 中国剩余定理 69 | 70 | 素数与整数分解 71 | 72 | 素数判定、整数因式分解算法 73 | 74 | 二次剩余与勒让德符号 75 | 76 | 连分数与Diophantine方程 77 | 78 | p进制与数论函数 79 | 80 | RSA算法与现代密码数学基础 81 | 82 | 五、计算数学与科学计算（进阶） 83 | 84 | 稀疏矩阵与大规模线性系统求解 85 | 86 | 特征值问题的数值解法 87 | 88 | 高维插值与拟合 89 | 90 | 稳定性分析与误差传播 91 | 92 | 数值优化方法（拟牛顿法、共轭梯度法） 93 | 94 | 数值模拟与偏微分方程数值解 95 | 96 | 六、专业选修与交叉方向（视专业方向不同） 97 | 98 | 金融数学：随机过程、Ito积分、Black-Scholes模型 99 | 100 | 数据科学：统计学习、贝叶斯推断、回归与分类算法 101 | 102 | 机器学习基础：梯度下降、支持向量机、模型泛化 103 | 104 | 运筹优化：整数规划、组合优化、调度算法 105 | 106 | 数学逻辑与模型论（部分高校开设） 107 | 108 | 七、毕业论文/项目实践方向 109 | 110 | 模型设计与算法实现 111 | 112 | 数学理论证明与结构分析 113 | 114 | 数学软件使用（MATLAB、Python、Maple 等） 115 | 116 | 文献综述与专业写作训练 117 | 118 | 算法实验与性能分析报告 119 | -------------------------------------------------------------------------------- /AI 数学/研一数学/README.md: -------------------------------------------------------------------------------- 1 | 一、高等实分析（Real Analysis） 2 | 3 | 度量空间与拓扑基础 4 | 5 | 开集、闭集、连续性、紧性、连通性 6 | 7 | 测度论 8 | 9 | σ代数、外测度、可测集 10 | 11 | Lebesgue测度、Lebesgue可测函数 12 | 13 | Lebesgue积分 14 | 15 | 单调收敛定理、主导收敛定理 16 | 17 | Egorov定理、Lusin定理 18 | 19 | 函数列与积分交换 20 | 21 | L^p空间 22 | 23 | Holder不等式、Minkowski不等式 24 | 25 | 微分与绝对连续函数 26 | 27 | 外测度与扩张定理（Carathéodory） 28 | 29 | 二、泛函分析（Functional Analysis） 30 | 31 | 赋范空间与Banach空间 32 | 33 | Hilbert空间与内积空间 34 | 35 | 有界线性算子与连续性 36 | 37 | 对偶空间与弱拓扑 38 | 39 | 稠密性与完备性 40 | 41 | Hahn-Banach定理、闭图像定理、开映射定理 42 | 43 | 有界算子谱理论（初步） 44 | 45 | 紧算子与特征值问题 46 | 47 | 三、常微分方程理论（ODE Advanced） 48 | 49 | 局部存在唯一性定理（Picard、Peano） 50 | 51 | 极大解与连续依赖性 52 | 53 | 高阶方程的正规系统 54 | 55 | 稳定性理论（线性与非线性、李雅普诺夫方法） 56 | 57 | 微分方程组与相图分析 58 | 59 | 特征值方法与不变流形 60 | 61 | morepage 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | You said: 70 | continue 71 | 72 | 73 | ChatGPT said: 74 | 四、偏微分方程理论（PDE Advanced） 75 | 76 | 一阶方程：特征线方法 77 | 78 | 经典二阶方程分类（椭圆型、双曲型、抛物型） 79 | 80 | Laplace、热传导、波动方程的解析解 81 | 82 | Sobolev空间与弱解概念（基础） 83 | 84 | 能量法、变分法求解PDE 85 | 86 | 初边值问题的适定性 87 | 88 | 基本解、格林函数与反问题引入 89 | 90 | 五、复分析进阶（Complex Analysis） 91 | 92 | 解析函数性质、整函数与亚纯函数 93 | 94 | 留数与围道积分的高阶应用 95 | 96 | Meromorphic函数与极点分类 97 | 98 | 解析延拓与奇点结构 99 | 100 | 共形映射理论（Schwarz引理、Riemann映射定理） 101 | 102 | 调和函数与泊松公式 103 | 104 | Weierstrass因子定理、Hadamard乘积定理（视课程深度） 105 | 106 | 六、数理统计与随机过程（进阶/科研方向） 107 | 108 | 极限定理与统计推断理论基础 109 | 110 | 协方差结构、估计量一致性与渐近正态性 111 | 112 | 随机过程引论（鞅、泊松过程、布朗运动） 113 | 114 | 随机微分方程（SDE）与Ito积分（部分高校研一开） 115 | 116 | 贝叶斯推断与MCMC方法引入 117 | 118 | 七、研究方法与学术训练 119 | 120 | 数学论文阅读与综述撰写 121 | 122 | Latex撰写、公式编辑、图表规范 123 | 124 | 数学软件应用（Mathematica、MATLAB、Python） 125 | 126 | 研究选题与模型建立方法论 127 | 128 | 开题报告写作与文献检索技巧 129 | -------------------------------------------------------------------------------- /AI 数学/研三数学/README.md: -------------------------------------------------------------------------------- 1 | 一、学术研究与毕业论文相关能力 2 | 3 | 文献调研与资料整合能力 4 | 5 | 学术数据库使用（MathSciNet、arXiv、Web of Science） 6 | 7 | 查阅英文原始论文与预印本 8 | 9 | 科研选题与问题建模 10 | 11 | 明确研究目标、假设与方法论 12 | 13 | 分析已有成果的边界与创新点 14 | 15 | 论文撰写与表达 16 | 17 | 学术规范、结构设计、公式排版（LaTeX） 18 | 19 | 证明结构、引理-定理链条组织 20 | 21 | 学术报告与答辩 22 | 23 | PPT结构与展示技巧 24 | 25 | 提问预设与回应策略 26 | 27 | 二、继续深入专业方向（以方向为主线） 28 | 常见研究方向及其研三阶段深化知识包括： 29 | 30 | 方向1：泛函分析 / 非线性分析 31 | 32 | 紧算子谱理论 33 | 34 | 非线性算子与不动点定理（Schauder、Banach） 35 | 36 | 单调算子方法、变分不等式 37 | 38 | Hilbert空间中的投影方法 39 | 40 | Euler-Lagrange方程与变分方法求解PDE 41 | 42 | 方向2：偏微分方程（理论或数值） 43 | 44 | Sobolev空间与嵌入定理 45 | 46 | 弱解存在性与唯一性（Lax-Milgram定理） 47 | 48 | 非线性椭圆方程、反应扩散方程 49 | 50 | 高阶演化型PDE（Navier-Stokes、KdV等） 51 | 52 | 有限元法、谱方法等PDE数值解 53 | 54 | 方向3：概率与统计 / 随机分析 55 | 56 | 随机过程极限理论（大偏差原理、泛函CLT） 57 | 58 | 高维概率工具（集中不等式、随机矩阵理论） 59 | 60 | 随机偏微分方程（SPDE）入门 61 | 62 | 高级贝叶斯推断、EM算法收敛性分析 63 | 64 | 高维数据统计模型与变量选择（Lasso, Ridge 等） 65 | 66 | morepage 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | You said: 75 | continue 76 | 77 | 78 | ChatGPT said: 79 | 方向4：代数与数论（理论研究） 80 | 81 | 交换代数进阶（局部化、整闭性、Noether范畴） 82 | 83 | Galois理论深入与应用 84 | 85 | 群表示与同调方法 86 | 87 | 模形式与椭圆曲线初步 88 | 89 | 算术几何入门（Schemes、Cohomology） 90 | 91 | 方向5：几何与拓扑（纯数学方向） 92 | 93 | 微分流形与切丛、余切丛 94 | 95 | Riemann几何中的曲率分析 96 | 97 | 黎曼面与复几何 98 | 99 | 基本群、覆盖空间、单纯形同调 100 | 101 | Morse理论、Homotopy与Homology群 102 | 103 | 方向6：计算数学 / 数学建模 / 数据科学 104 | 105 | 高效算法设计与数值稳定性分析 106 | 107 | 科学计算中的并行与稀疏矩阵技术 108 | 109 | 模型误差评估、模型选择理论 110 | 111 | 深度学习中的数学机制（梯度流、泛化界） 112 | 113 | 数据同伦、拓扑数据分析（TDA） 114 | 115 | 三、实际科研项目推进与总结 116 | 117 | 原创性问题建模、理论构建与分析 118 | 119 | 算法设计、理论证明、实验验证 120 | 121 | 项目论文撰写与结构安排 122 | 123 | 学术交流与审稿经验获取 124 | 125 | 开题、中期、预答辩、终答辩流程管理 126 | 127 | 国内外会议投稿与参会汇报（如ICM、SIAM、ICANN） 128 | -------------------------------------------------------------------------------- /AI 数学/研二数学/README.md: -------------------------------------------------------------------------------- 1 | 一、调和分析 / Fourier分析 2 | 3 | Fourier级数与收敛性 4 | 5 | Fourier变换在 6 | 𝐿 7 | 1 8 | L 9 | 1 10 | 、 11 | 𝐿 12 | 2 13 | L 14 | 2 15 | 空间的定义与性质 16 | 17 | 卷积、Plancherel定理、Parseval恒等式 18 | 19 | Schwartz函数空间与分布理论基础 20 | 21 | 傅里叶变换在偏微分方程中的应用 22 | 23 | 小波分析引入（部分高校） 24 | 25 | 二、抽象代数（进阶） 26 | 27 | 群表示理论（有限群） 28 | 29 | 环论与模论 30 | 31 | 域扩张与Galois理论 32 | 33 | 单项式理想与Noether环 34 | 35 | 同调代数基础引入 36 | 37 | 三、数值分析进阶 / 计算数学 38 | 39 | 非线性方程组数值解法（牛顿法、拟牛顿法） 40 | 41 | 大规模线性系统迭代法（Krylov子空间、GMRES） 42 | 43 | 特征值问题数值求解 44 | 45 | 稀疏矩阵存储与操作 46 | 47 | 数值微分与积分高精度方法 48 | 49 | 数值稳定性与误差传播分析 50 | 51 | 有限元方法（FEM）与偏微分方程数值解 52 | 53 | four、现代优化理论与算法 54 | 55 | 凸分析基础与凸优化问题 56 | 57 | 对偶理论与KKT条件 58 | 59 | 一阶与二阶方法（梯度下降、牛顿法） 60 | 61 | 约束优化问题与投影方法 62 | 63 | 最优化中的数值实现与收敛性分析 64 | 65 | 随机优化与梯度下降（SGD）引入 66 | 67 | morepage 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | You said: 76 | continue 77 | 78 | 79 | ChatGPT said: 80 | 五、微分流形与现代几何基础 81 | 82 | 流形的定义与坐标图 83 | 84 | 切空间与切向量场 85 | 86 | 微分形式与外微分 87 | 88 | Stokes定理与de Rham上同调 89 | 90 | Riemann几何初步 91 | 92 | 度量张量、测地线、曲率张量 93 | 94 | 流形上的PDE模型与几何分析应用（选修） 95 | 96 | 六、现代概率论与随机过程进阶 97 | 98 | 概率空间、公设体系（Kolmogorov） 99 | 100 | 条件期望、鞅理论（Doob分解） 101 | 102 | 马尔科夫过程、停时与鞅不等式 103 | 104 | Levy过程与布朗运动性质 105 | 106 | 随机积分与Itô公式 107 | 108 | 随机微分方程与金融建模（Black-Scholes模型） 109 | 110 | 测度变换与Girsanov定理 111 | 112 | 七、科研方法与专题研究 113 | 114 | 专业方向精读课程（如几何分析、数理逻辑、代数数论等） 115 | 116 | 学术会议报告撰写与答辩技巧 117 | 118 | 项目选题与实验设计 119 | 120 | 科研代码规范与数据处理流程 121 | 122 | 期刊投稿流程与格式要求 123 | 124 | 八、交叉与应用类选修（根据方向） 125 | 126 | 数学物理方程 127 | 128 | 金融数学与风险模型 129 | 130 | 信息论与编码 131 | 132 | 深度学习数学基础（优化+概率+泛函） 133 | 134 | 非线性动力系统与分岔理论 135 | 136 | 数学模型构建与仿真 137 | -------------------------------------------------------------------------------- /AI 数学/高中数学/高一数学/README.md: -------------------------------------------------------------------------------- 1 | 一、集合与常用逻辑用语 2 | 3 | 集合的概念与表示 4 | 5 | 集合间的基本关系（包含、相等） 6 | 7 | 集合的运算（并、交、补） 8 | 9 | 常用逻辑用语（命题、充要条件、全称与存在、逻辑联结词） 10 | 11 | 二、函数概念与基本初等函数 12 | 13 | 函数的概念（定义域、值域、表示方法） 14 | 15 | 函数的基本性质（单调性、奇偶性、周期性、对称性） 16 | 17 | 函数的表示方法（解析式、图像、列表） 18 | 19 | 函数的基本初等函数（幂函数、指数函数、对数函数） 20 | 21 | 函数的图像与性质（增减性、对称性、奇偶性） 22 | 23 | 函数的变化率与平均变化率 24 | 25 | 三、函数的基本初等变换与应用 26 | 27 | 函数的图像变换（平移、伸缩、对称） 28 | 29 | 函数模型及其应用（实际问题建模） 30 | 31 | 四、数列 32 | 33 | 数列的概念与表示 34 | 35 | 等差数列及其性质 36 | 37 | 等比数列及其性质 38 | 39 | 数列求和（公式与裂项） 40 | 41 | 数列的通项公式 42 | 43 | 数列与函数的关系 44 | 45 | 五、不等式与不等式组 46 | 47 | 一元一次不等式及其解法 48 | 49 | 一元二次不等式及其解法 50 | 51 | 不等式的性质 52 | 53 | 柯西不等式、基本不等式（选修） 54 | 55 | 含参数不等式的求解 56 | 57 | 六、平面解析几何（直线与圆） 58 | 59 | 直线的方程（点斜式、斜截式、一般式） 60 | 61 | 两直线的位置关系 62 | 63 | 直线与圆的位置关系 64 | 65 | 圆的标准方程与一般方程 66 | 67 | 点到直线的距离公式 68 | 69 | 利用解析几何解几何问题 70 | 71 | 七、三角函数与解三角形 72 | 73 | 任意角的三角函数定义 74 | 75 | 三角函数的诱导公式 76 | 77 | 三角函数的图像与性质 78 | 79 | 三角恒等变换（诱导公式、倍角、和差） 80 | 81 | 正弦定理与余弦定理 82 | 83 | 三角形面积公式 84 | 85 | 解斜三角形问题 86 | 87 | 八、立体几何初步 88 | 89 | 空间几何体的基本图形（棱柱、棱锥、圆柱、圆锥、球） 90 | 91 | 空间几何体的表面积与体积 92 | 93 | 空间几何体的截面 94 | 95 | 九、统计与概率初步 96 | 97 | 数据的集中趋势（平均数、中位数、众数） 98 | 99 | 数据的离散程度（方差、标准差） 100 | 101 | 概率的基本概念（古典概型、频率估计） 102 | 103 | 随机事件与概率计算 104 | 105 | 十、算法初步与数学建模（部分地区或选修） 106 | 107 | 算法的描述与基本结构（顺序、选择、循环） 108 | 109 | 流程图、伪代码 110 | 111 | 数学建模基础思想与步骤 112 | 113 | morepage 114 | 115 | 116 | 117 | 118 | 119 | 120 | 121 | You said: 122 | continue 123 | 124 | 125 | ChatGPT said: 126 | 十一、向量基础 127 | 128 | 向量的概念（几何意义与表示） 129 | 130 | 向量的加法与减法 131 | 132 | 向量的数乘运算 133 | 134 | 向量的线性运算与运算性质 135 | 136 | 向量的坐标表示与基本运算 137 | 138 | 向量数量积及其几何意义 139 | 140 | 向量在几何证明与运算中的应用 141 | 142 | 十二、推理与证明（数学思维方法） 143 | 144 | 归纳推理与演绎推理 145 | 146 | 证明方法（直接证明、反证法、归纳法） 147 | 148 | 常用逻辑链条与基本证明技巧 149 | 150 | 十三、函数与方程的综合应用 151 | 152 | 方程与函数图像的关系 153 | 154 | 解不等式的方法与图像辅助分析 155 | 156 | 函数模型求解实际问题（应用题） 157 | 158 | 参数方程与函数性质综合应用 159 | -------------------------------------------------------------------------------- /AI 数学/高中数学/高二数学/README.md: -------------------------------------------------------------------------------- 1 | 一、立体几何 2 | 3 | 空间几何体的结构与三视图 4 | 5 | 空间点、线、面的位置关系 6 | 7 | 点线、线面、面面之间的平行与垂直 8 | 9 | 空间几何体的截面与展开图 10 | 11 | 空间向量与立体几何中的应用（选修内容） 12 | 13 | 空间中的距离计算（点到面、线到面） 14 | 15 | 二、平面向量与解析几何进阶 16 | 17 | 平面向量的概念、运算与性质 18 | 19 | 向量数量积与夹角公式 20 | 21 | 向量坐标运算与几何应用 22 | 23 | 解析几何综合问题 24 | 25 | 直线、圆锥曲线的性质与交点 26 | 27 | 几何条件转化为代数方程 28 | 29 | 曲线与方程的关系 30 | 31 | 三、圆锥曲线与方程 32 | 33 | 抛物线、椭圆、双曲线的标准方程 34 | 35 | 三种圆锥曲线的几何性质（焦点、准线、离心率） 36 | 37 | 圆锥曲线与直线的位置关系（交点、切线、截距） 38 | 39 | 圆锥曲线综合题与几何背景问题 40 | 41 | 轨迹与范围问题的解析方法 42 | 43 | 四、导数初步（必修或选修） 44 | 45 | 导数的概念与几何意义（切线斜率） 46 | 47 | 常见函数的导数公式 48 | 49 | 导数在函数单调性、极值、最值中的应用 50 | 51 | 导数在实际问题建模中的应用 52 | 53 | 五、计数原理与概率 54 | 55 | 加法原理与乘法原理 56 | 57 | 排列与组合公式 58 | 59 | 简单计数问题建模与应用 60 | 61 | 二项式定理（展开式与项系数） 62 | 63 | 概率基本模型（古典、几何、频率） 64 | 65 | 概率的计算与事件关系（互斥、独立） 66 | 67 | six、统计与随机变量（选修内容） 68 | 69 | 随机变量与概率分布 70 | 71 | 数学期望的计算与意义 72 | 73 | 方差与标准差 74 | 75 | 抽样方法与抽样分布 76 | 77 | morepage 78 | 79 | 80 | 81 | 82 | 83 | 84 | 85 | You said: 86 | continue 87 | 88 | 89 | ChatGPT said: 90 | 七、函数综合与建模能力提升 91 | 92 | 函数的构造与定义域问题 93 | 94 | 函数的性质（奇偶性、周期性、对称性）综合应用 95 | 96 | 函数图像与解析表达的互相转化 97 | 98 | 含参数函数问题的分类讨论 99 | 100 | 实际问题建模（最大利润、最短路径、最值模型等） 101 | 102 | 八、不等式与恒成立问题 103 | 104 | 不等式的基本性质与求解技巧 105 | 106 | 含绝对值不等式与分段函数综合 107 | 108 | 不等式的几何意义（图像法辅助） 109 | 110 | 恒成立问题的解法与讨论（参数问题） 111 | 112 | 九、数列进阶与数学归纳法 113 | 114 | 数列求和技巧（裂项、错位相减、归纳） 115 | 116 | 数列与函数、导数、向量等交叉问题 117 | 118 | 数列的极限思想引入（预备导数知识） 119 | 120 | 数学归纳法的原理与应用 121 | 122 | 十、数学思想方法训练 123 | 124 | 分类讨论思想 125 | 126 | 转化与化归思想 127 | 128 | 建模与结构思想 129 | 130 | 几何代数结合思想 131 | 132 | 数形结合思想 133 | -------------------------------------------------------------------------------- /AI赚钱/README.md: -------------------------------------------------------------------------------- 1 | 2 | * [全网最省事的AI搞钱方法？我用AI拍出“实地取景”电影级短片，还能搞钱？教学全流程来了！](https://www.youtube.com/watch?v=xhQM1Y-GTEg) 3 | -------------------------------------------------------------------------------- /LLM 大型语言模型/AI 大模型---工程落地方向.md: -------------------------------------------------------------------------------- 1 | 2 | * AI 大模型---工程落地方向学习路线步骤 3 | * 1 基础 4 | * 1.1 Transformer 5 | * 1.2 范式 6 | * 预训练 7 | * 微调 8 | * 1.3 架构 9 | * 编码+解码器 10 | * 仅编码器 11 | * 仅解码器 12 | * 2 进阶 13 | * 2.1 提示词工程 14 | * 2.2 模型应用 15 | * 开源模型 16 | * 在线模型 17 | * 2.3 模型优化 18 | * 蒸馏 19 | * 量化 20 | * 3 高阶 21 | * 3.1 Agent架构 22 | * 3.2 RAG架构 23 | * 3.3 微调 24 | * 4 架构 25 | * 技术架构 26 | * 高并发 27 | * 高可用 28 | * 业务架构 29 | * DDD 30 | * TOGAF 31 | * 云原生架构 32 | * 容器编排 33 | * 服务网格 34 | -------------------------------------------------------------------------------- /LLM 大型语言模型/AI 大模型---算法方向.md: -------------------------------------------------------------------------------- 1 | 2 | * AI 大模型---算法方向学习路线步骤 3 | * 1 前置 4 | * 1.1 数学 5 | * 线性代数 6 | * 慨率论 7 | * 1.2 自然语言处理 8 | * word2vec 9 | * seq2seq 10 | * 1.3 Python 11 | * Pytorch 12 | * TensorFlow 13 | * 2 基础 14 | * 2.1 Transformer 15 | * 2.2 范式 16 | * 预训练 17 | * 微调 18 | * 2.3 架构 19 | * 编码+解码器 20 | * 仅编码器 21 | * 仅解码器 22 | * 3 进阶 23 | * 3.1 提示词工程 24 | * 3.2 模型应用 25 | * 开源模型 26 | * 在线模型 27 | * 3.3 模型优化 28 | * 蒸馏 29 | * 量化 30 | * 4 高阶 31 | * 4.1 Agent架构 32 | * 4.2 RAG架构 33 | * 4.3 微调 34 | -------------------------------------------------------------------------------- /LLM 大型语言模型/README.md: -------------------------------------------------------------------------------- 1 | LLM即大型语言模型（Large Language Model），是一种基于深度学习技术的人工智能模型，在自然语言处理领域具有重要地位 2 | 3 | * 定义与特点 4 | 定义：LLM是一种具有大规模参数的语言模型，通常基于Transformer架构，通过在海量文本数据上进行无监督或自监督学习，学习语言的统计规律和语义信息，从而能够生成自然流畅的文本、理解和回答各种自然语言问题等。 5 | * 特点 6 | * 规模大：拥有海量的参数，例如GPT-3拥有1750亿个参数，使得模型能够学习到极其复杂的语言模式和知识。 7 | * 数据驱动：基于大量的文本数据进行训练，数据来源广泛，涵盖了互联网上的各种文本，如新闻、小说、论文、社交媒体等，从而获取丰富的语言知识和世界知识。 8 | * 通用性强：可以应用于多种自然语言处理任务，如文本生成、机器翻译、问答系统、文本摘要、情感分析等，无需针对每个任务单独设计模型。 9 | * 核心技术 10 | * Transformer架构：是LLM的基础架构，它引入了自注意力机制（Self-Attention），能够并行计算并高效处理长序列数据，捕捉文本中的长期依赖关系，相比传统的循环神经网络（RNN）和卷积神经网络（CNN），在语言理解和生成方面具有更大的优势。 11 | * 预训练-微调范式 12 | * 预训练：在大规模无监督文本数据上进行预训练，学习语言的通用特征和知识，例如学习单词、短语、句子之间的关系，理解语言的语法、语义和语用规则等。 13 | * 微调：在预训练的基础上，针对具体的任务和领域，使用少量的有标注数据进行微调，使模型适应特定任务的需求，提高在具体任务上的性能。 14 | 15 | * 主要应用 16 | * 内容创作：可以生成文章、故事、诗歌、代码等各种文本内容，为创作者提供灵感和辅助。 17 | * 智能客服：能够理解用户的问题并给出准确、自然的回答，提高客服效率和用户满意度。 18 | * 机器翻译：将一种语言翻译成另一种语言，凭借其强大的语言理解和生成能力，提升翻译质量和效率。 19 | * 智能助手：如语音助手等，能够与用户进行自然流畅的对话，帮助用户完成各种任务，如查询信息、设置提醒等。 20 | 21 | * LLM、AIGC、AI AGENT之间的关系 22 | LLM（Large Language Model，大型语言模型）、AIGC（AI Generated Content，人工智能生成内容）、AI Agent（智能体）之间存在着紧密而又相互区别的关系，具体如下： 23 | 24 | * LLM与AIGC 25 | * LLM是AIGC的重要技术支撑：LLM具备强大的语言理解和生成能力，是实现AIGC在文本领域应用的核心技术。通过在海量文本数据上进行训练，LLM能够学习到语言的模式、语义和逻辑关系，从而生成高质量的文本内容，如文章、故事、对话等。例如ChatGPT就是基于LLM的典型AIGC应用，能与用户进行自然流畅的对话，生成各种类型的文本。 26 | * AIGC拓展了LLM的应用场景：AIGC涵盖了多种内容形式的生成，除了文本，还包括图像、音频、视频等。虽然LLM本身主要处理文本，但在AIGC的整体框架下，LLM可以与其他技术结合，参与到多模态内容生成中。比如通过与图像生成技术结合，根据文本描述生成相应的图像，实现更丰富的AIGC应用。 27 | * LLM与AI Agent 28 | * LLM为AI Agent提供语言交互能力：AI Agent需要与用户或环境进行交互，LLM为其提供了自然语言处理的基础，使AI Agent能够理解用户的自然语言指令，并以自然语言进行回应。AI Agent可以借助LLM的语言理解和生成能力，更好地完成信息查询、任务执行等功能，提升与人类交互的效率和质量。 29 | * AI Agent是LLM的应用载体之一：AI Agent可以将LLM的能力集成到具体的应用场景和任务中，使其具有特定的目标和行为。例如智能客服、智能助手等AI Agent，利用LLM的强大语言处理能力，为用户提供服务和帮助，将LLM的技术价值转化为实际的应用价值。 30 | * AIGC与AI Agent 31 | * AIGC为AI Agent提供内容生成能力：AI Agent在执行任务过程中，可能需要生成各种类型的内容，AIGC技术能够为其提供相应的支持。例如一个负责营销推广的AI Agent，需要生成广告文案、宣传海报等内容，AIGC中的文本生成和图像生成技术就可以帮助AI Agent完成这些任务。 32 | * AI Agent推动AIGC的应用落地：AI Agent作为具有自主性和交互性的实体，能够将AIGC生成的内容更好地应用到实际场景中，并根据用户反馈和环境变化，动态调整和优化AIGC的生成结果。比如智能写作助手这类AI Agent，能够根据用户的写作需求，利用AIGC技术生成初稿，并通过与用户的交互不断完善内容。 33 | 34 | 三者相互关联、相互促进。LLM是基础技术，为AIGC和AI Agent提供了强大的语言处理支持；AIGC基于LLM等技术实现了各种内容的生成，丰富了AI的应用形式；AI Agent则作为应用载体，将LLM和AIGC的能力集成到具体的任务和场景中，使它们的价值得到更充分的体现，共同推动了人工智能技术的发展和应用。 35 | 36 | 总的来说AI主要由算法、算力、数据组成，算法是核心。LLM是基于Transformer架构的算法成果，属于NLP领域关键技术，赋予AI理解和生成语言的能力。如果把AI AGENT看作人工助手，LLM就是其大脑，提供智能核心。AIGC则基于LLM等技术，生成语言、图像、音频等内容，就像人基于大脑的一些语言和视觉的表达。举个例子：云雀模型是LLM，豆包的问答查询基于此，是AIGC在语言领域的应用；图片生成借助专门模型，也是AIGC。豆包APP里的智能体是AI AGENT，集成云雀能力为用户服务。 37 | 38 | 39 | # AI 开发工具 40 | * [告别Cursor的限制！Augment编程神器震撼登场：200K超长上下文+全自动代码生成，结合Context7轻松开发游戏！支持万行代码分析+自动bug修复+跨文件依赖识别，三分钟自动开发复杂项目](https://www.youtube.com/watch?v=DbM3QZy5I6E) 41 | 42 | # 自然语言 LLM 学习路径 43 | 44 | ![自然语言 LLM 学习路径](https://github.com/stevenli91748/AI/blob/master/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E5%AD%A6%E4%B9%A0%E8%B7%AF%E5%BE%84.png ) 45 | 46 | # 在线书籍 47 | * [神书 从零构建大型语言模型](https://www.scribd.com/document/763076237/%E4%BB%8E%E9%9B%B6%E6%9E%84%E5%BB%BA%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B-%E4%B8%AD%E6%96%87%E7%89%88) 48 | 49 | 由于AI大模型的发展日新月异，所以选取的书籍基本都是新近出版的，而且尽量在较新的书籍中选择豆瓣评分高的。 50 | 51 | LangChain 52 | 李特丽：《LangChain入门指南：构建高可复用、可扩展的LLM应用程序》【2024出版】 53 | 李多多：《LangChain编程》【2024出版】 54 | 张海立：《LangChain实战：从原型到生产，动手打造 LLM 应用》【2024出版】 55 | 刘伟舟：《LangChain简明讲义：从0到1构建LLM应用程序》【2024出版】 56 | 57 | AI大模型 58 | 张奇：《大规模语言模型：从理论到实践》【2024出版】 59 | 奥利维耶·卡埃朗：《大模型应用开发极简入门》【2024出版】 60 | 杨青：《大语言模型：原理与工程实践》【2024出版】 61 | 熊涛：《大语言模型：基础与前沿》【2024出版】 62 | 刘阳：《多模态大模型：新一代人工智能技术范式》【2024出版】 63 | [法]丹尼斯·罗斯曼：《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理》【2024出版】 64 | 郝少春：《ChatGPT原理与应用开发》【2024出版】 65 | 王晓华：《从零开始大模型开发与微调：基于PyTorch与ChatGLM》【2023.11出版】 66 | 黄佳：《GPT图解大模型是怎样构建的》【2023.12出版】 67 | 尤洋：《实战AI大模型》【2023.11出版】 68 | 69 | # 学习例子 70 | [动手学大模型应用开发例子1](https://datawhalechina.github.io/llm-universe/#/)|[动手学大模型应用开发例子2](https://www.cnblogs.com/longronglang/category/2442713.html)| 71 | ---|---| 72 | 73 | 74 | # 博客 75 | [动手学大模型应用开发---github](https://github.com/datawhalechina/llm-universe)|[llm-action](https://github.com/liguodongiot/llm-action)|[3Blue1Brown](https://www.youtube.com/c/3blue1brown)| [Datawhale人工智能培养方案](https://github.com/datawhalechina)|[面向开发者的LLM手册](https://datawhalechina.github.io/llm-cookbook/#/)| 76 | ---|---|---|---|---| 77 | 78 | [githut 上最多人的LLM学习课程](https://github.com/mlabonne/llm-course)|[AI大模型学习资料](https://www.cnblogs.com/bigai/articles/18187946)|[GitHub狂飙3万star的LLM公开资料 - 大模型入门教程](https://zhuanlan.zhihu.com/p/686277638)| 79 | ---|---|---| 80 | 81 | # 目前推荐 3 个机构。 小白 ai+咪咕+手写 ai+聚客 82 | * [小飞有点东西---python学习视频 每个视频只有几分钟，通俗易懂](https://space.bilibili.com/1803865534?spm_id_from=333.337.0.0) 83 | * 小白 ai： 包含一系列让你明白 ai 的原理 84 | * [入门篇：90 分钟！清华博士带你一口气搞懂人工智能和神经网络](https://www.bilibili.com/video/BV1atCRYsE7x/?clienttype=8&version=7.57.0.102&from=win32_yunguanjia&spm_id_from=333.337.search-card.all.click&vd_source=8aac1f6a5918d89a4405394c75c127ef&channel=00000000000000000000000040000001&privilege=&pri_extra=) 85 | * [从编解码和词嵌入开始，一步一步理解 Transformer，注意力机制(Attention)的本质是卷积神经网络(CNN)](https://www.bilibili.com/video/BV1XH4y1T76e/?clienttype=8&version=7.57.0.102&from=win32_yunguanjia&spm_id_from=333.788.player.switch&vd_source=8aac1f6a5918d89a4405394c75c127ef&channel=00000000000000000000000040000001&privilege=&pri_extra= 86 | * [手写 ai 提取码: rqsh](https://pan.baidu.com/s/1rNUrfQEhzrlnjS-fcu9Xsw#list/path=%2F&parentPath=%2Fsharelink4252786448-618212488618893) 87 | * [18-LLM-模型 提取码: q55u](https://pan.baidu.com/s/1ANUBJGZbXx3wDajQoDEAvQ#list/path=%2F&parentPath=%2Fsharelink4252786448-1058866667290512) 88 | * 聚客AI 89 | * [聚客AI官网](https://www.guangjuke.com/) 90 | * [聚客AI最详细的大模型学习路线！手把手教你最高效的大模型学习方法](https://www.bilibili.com/video/BV12oUXYsEbp/?spm_id_from=333.337.search-card.all.click&vd_source=2e815885181376606e6c241ba03c8907) 91 | * [重磅 【聚客AI】 大模型项目实战，顶尖的大模型项目，老师非常有经验](https://www.bilibili.com/video/BV1vKKpefEfC/?spm_id_from=333.337.search-card.all.click) 92 | * [大模型基础: 一文了解大模型基础知识](https://github.com/datawhalechina/so-large-lm?tab=readme-ov-file) 93 | * [开源的中文大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主，包括底座模型，垂直领域微调及应用，数据集与教程等](https://github.com/HqWu-HITCS/Awesome-Chinese-LLM) 94 | * [别再花钱学大模型了，推荐几个免费高质量大模型学习平台](https://zhuanlan.zhihu.com/p/1900586391215268776) 95 | * [9个学习AI的网站（免费自学人工智能必备）](https://www.xue8nav.com/2090.html) 96 | * [自学 AI 大模型的学习路线推荐---强](https://www.bilibili.com/video/BV12uY7eiEpG?spm_id_from=333.788.recommend_more_video.14&vd_source=2e815885181376606e6c241ba03c8907) 97 | * [AI大模型学习路线](https://www.bilibili.com/video/BV15Y6JYWE6u/?spm_id_from=333.337.search-card.all.click&vd_source=2e815885181376606e6c241ba03c8907) 98 | * [一个月吃透人工智能学习路线---唐宇迪](https://www.bilibili.com/video/BV1p4NGerEwJ?spm_id_from=333.788.videopod.episodes&vd_source=2e815885181376606e6c241ba03c8907&p=2) 99 | * [2025年最新大模型学习路线，零基础到精通一条龙（基础/进阶/实战）](https://www.bilibili.com/video/BV1K8QVYHEoP/?spm_id_from=333.1007.tianma.53-2-208.click&vd_source=2e815885181376606e6c241ba03c8907) 100 | * [8年经验告诉你，学AI的顺序千万别搞反了！初学者必看，少走弯路](https://www.bilibili.com/video/BV1Ya4heiEUq/?spm_id_from=333.337.search-card.all.click&vd_source=2e815885181376606e6c241ba03c8907) 101 | * [聚客AI官网](https://www.guangjuke.com/) 102 | * [聚客AI最详细的大模型学习路线！手把手教你最高效的大模型学习方法](https://www.bilibili.com/video/BV12oUXYsEbp/?spm_id_from=333.337.search-card.all.click&vd_source=2e815885181376606e6c241ba03c8907) 103 | * [重磅 【聚客AI】 大模型项目实战，顶尖的大模型项目，老师非常有经验](https://www.bilibili.com/video/BV1vKKpefEfC/?spm_id_from=333.337.search-card.all.click) 104 | * [ZOMI酱---AI 很多大模型的新技术讲解 非常好](https://space.bilibili.com/517221395/lists) 105 | * LangChain 106 | * [LangChain官方网站 ](https://www.langchain.asia/) 107 | * [LangChain中文网1](https://www.langchain.com.cn/) 108 | * [LangChain中文网2](http://docs.autoinfra.cn/) 109 | * [从零玩转Langchain4j！揭秘SpringBoot集成核心技巧，让你的AI应用效率翻倍！](https://www.bilibili.com/video/BV19k97Y1E48/?spm_id_from=333.1391.0.0&p=2&vd_source=2e815885181376606e6c241ba03c8907) 110 | * AI Agent 111 | * [12项Agent智能体开发框架入门与选型](https://www.bilibili.com/video/BV16NBJYRE3s/?spm_id_from=333.337.search-card.all.click&vd_source=2e815885181376606e6c241ba03c8907) 112 | 113 | * AI 大模型的学习路线推荐 114 | * [AI 大模型---算法方向](https://github.com/stevenli91748/AI/blob/master/LLM%20%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/AI%20%E5%A4%A7%E6%A8%A1%E5%9E%8B---%E7%AE%97%E6%B3%95%E6%96%B9%E5%90%91.md) 115 | * [AI 大模型---工程落地方向 ](https://github.com/stevenli91748/AI/blob/master/LLM%20%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/AI%20%E5%A4%A7%E6%A8%A1%E5%9E%8B---%E5%B7%A5%E7%A8%8B%E8%90%BD%E5%9C%B0%E6%96%B9%E5%90%91.md) 116 | 117 | # 目录 118 | * [吴恩达老师LLM学习路径](https://github.com/stevenli91748/AI/blob/master/LLM%20%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/%E5%90%B4%E6%81%A9%E8%BE%BE%E8%80%81%E5%B8%88LLM%E5%AD%A6%E4%B9%A0%E8%B7%AF%E5%BE%84/README.md) 119 | 120 | 0. 环境配置 121 | * [建立环境的三种方法](https://simplelearn.tw/anaconda-navigator-virtual-environment/) 122 | 1. 基础知识准备（第 1 周）---掌握 Python 编程，理解神经网络基本结构和训练机制 123 | * ✅ 编程能力---学习 Python，熟练掌握基础语法、数据结构（list/dict/set）、函数与类，学习 Numpy、Pandas、Matplotlib 基础，便于处理数据和可视化 124 | * [pandas](https://github.com/stevenli91748/AI/tree/master/Python/pandas) 125 | * [Matplotlib](https://github.com/stevenli91748/AI/tree/master/Python/Matplotlib) 126 | * [NumPy](https://github.com/stevenli91748/AI/tree/master/Python/NumPy) 127 | * ✅ 数学基础---线性代数：矩阵运算、特征值分解，概率论与统计：条件概率、贝叶斯公式、最大似然估计，微积分：偏导数、链式法则，推荐资源：3Blue1Brown 视频（直观）+ 李宏毅机器学习课前几章 128 | 129 | 🗓️ 第 1 周：Python 与深度学习基础（Day 1-7） 130 | 131 | ✅ 每周任务： Python 入门与 Numpy、Pandas、Matplotlib 基础（可用：菜鸟教程 + 知乎专栏） 132 | 133 | 天数 学习内容 134 | Day 1 Python 基础语法、变量、分支、循环 135 | Day 2 函数、列表/字典/集合操作 136 | Day 3 Numpy 基础，矩阵运算 137 | Day 4 Pandas 读写 CSV、基本统计分析 138 | Day 5 Matplotlib 数据可视化 139 | Day 6 PyTorch 张量、模型定义、前向传播 140 | Day 7 复习 + 写一个简单的 MLP 模型用于分类 MNIST（含训练与验证） 141 | 142 | 2. 深度学习基础（第 2 周） 143 | * ✅ 理解神经网络---感知机 → 多层感知机（MLP）→ 前馈神经网络（FNN），反向传播与梯度下降优化器（SGD、Adam） 144 | * ✅ 熟悉框架---PyTorch（推荐） 或 TensorFlow，会用 torch.nn, torch.optim, torch.utils.data 编写基础模型训练 145 | * ✅ 学习资源---《Deep Learning》by Ian Goodfellow（理论），李宏毅《深度学习》课程（系统），FastAI 或 HuggingFace 的入门教程（实践） 146 | 147 | 🗓️ 第 2 周：深度学习进阶与优化（Day 8-14） 148 | 149 | ✅ 每周任务：学习神经网络原理（推荐：李宏毅深度学习课前几讲），学会用 PyTorch 写一个 MLP 并在 MNIST 上训练 150 | 151 | 🗓️ 第 2 周：深度学习进阶与优化（Day 8-14） 152 | 153 | 天数 学习内容 154 | Day 8 神经网络反向传播原理 155 | Day 9 Loss 函数、优化器（SGD/Adam）原理 156 | Day 10 使用 PyTorch 训练 MLP 并使用 TensorBoard 监控 157 | Day 11 使用 DataLoader 和自定义 Dataset 158 | Day 12 模型保存、加载、断点训练 159 | Day 13 写一个完整的分类项目（结构 + 参数调优） 160 | Day 14 复习 + 小项目：CIFAR-10 图像分类 161 | 162 | 163 | 3. 语言模型基础 164 | * ✅ 理解 NLP 任务---Tokenization、Word Embedding、Sequence Modeling，LSTM / GRU 简介（可略），Transformer 架构（重点） 165 | * ✅ Transformer 细节---Self-Attention，Positional Encoding，Multi-head Attention，LayerNorm / Residual 166 | * ✅ 推荐资料---Illustrated Transformer（可视化讲解），Attention Is All You Need（原论文），Stanford CS224n（自然语言处理课程） 167 | 168 | 🗓️ 第 3 周：NLP 入门与 Transformer 理解（Day 15-21） 169 | 170 | ✅ 每周任务： 掌握 NLP 基础与 Transformer 架构， 理解 Attention、Embedding、位置编码等机制 171 | 172 | 天数 学习内容 173 | Day 15 NLP 任务简介 + Tokenizer 原理 174 | Day 16 Word Embedding：Word2Vec / BERT embedding 175 | Day 17 Transformer 架构总览 176 | Day 18 Self-Attention 与多头注意力机制 177 | Day 19 Positional Encoding、LayerNorm、残差连接 178 | Day 20 实现一个简化版 Transformer（Encoder） 179 | Day 21 复习 + 用 Transformers 库加载 GPT2 并推理文本生成 180 | 181 | 182 | 4. 大模型架构与训练机制 183 | * ✅ 构建 LLM 的关键模块---Decoder-only Transformer（GPT 架构），Masked Self-Attention，Causal Language Modeling（CLM） 184 | * ✅ 训练大模型要点---预训练 vs 微调，数据并行、模型并行（Megatron、Deepspeed），Mixed Precision、Gradient Checkpointing 185 | 186 | 🗓️ 第 4 周：HuggingFace 快速上手（Day 22-28） 187 | 188 | ✅ 每周任务： 阅读“Attention is All You Need”前半部分, 跟着 Illustrated Transformer 做可视化学习, 用 PyTorch 实现简化版的 Transformer（可参考 Harvard NLP 的教程）, 189 | 用 HuggingFace 加载一个 GPT2 模型并进行推理 190 | 191 | 天数 学习内容 192 | Day 22 HuggingFace Transformers 库结构概览 193 | Day 23 使用 Pretrained 模型 + Tokenizer 推理 194 | Day 24 文本分类任务微调（Trainer + Dataset） 195 | Day 25 文本生成任务微调（Causal LM） 196 | Day 26 掌握 LoRA 机制进行参数高效微调 197 | Day 27 用小数据做一次微调（SST2） 198 | Day 28 复习 + 小项目：训练一个对话模型并保存 199 | 200 | 🗓️ 第 5 周：实战 HuggingFace 与微调 LLM 201 | 202 | 🧠 目标： 203 | 学会使用 HuggingFace Transformers 进行微调， 掌握 Tokenizer、数据准备、训练流程 204 | 205 | ✅ 每周任务：学习 HuggingFace 教程（HuggingFace Course），微调一个 GPT2 或 LLaMA 模型做摘要/问答（LoRA 或 QLoRA），理解模型训练日志、保存和加载 206 | 207 | 208 | 209 | 5. 开源项目实战 210 | 211 | * ✅ 推荐实战项目---HuggingFace Transformers: 熟悉 AutoModelForCausalLM, Trainer，LLaMA、GPT-NeoX、RWKV：了解模型结构与微调流程，LoRA / QLoRA 微调方法，适合资源有限场景 212 | 213 | 🗓️ 第 6 周：项目实战整合（Day 36-42） 214 | 215 | 天数 学习内容 216 | Day 29 端到端流程梳理：准备数据 → 微调 → 推理 217 | Day 30 开发数据收集脚本并构造训练集 218 | Day 31 使用自己的数据训练简易问答模型 219 | Day 32 训练调试，分析 loss 曲线与 overfitting 现象 220 | Day 33 推理、部署、打包工具整合 221 | Day 34 项目收尾：封装 API，打包 demo 工程 222 | Day 35 项目演示 + 总结（写文档） 223 | 224 | 225 | 226 | 6. 部署与应用 227 | * ✅ 模型推理部署---ONNX、TorchScript，HuggingFace Inference Endpoints、FastAPI 接口部署，GPU 加速、量化推理（INT8） 228 | * ✅ 应用场景---Chatbot、文档总结、代码补全、问答系统 229 | 230 | 🗓️ 第 7 周：部署与优化（Day 29-35） 231 | 232 | 🧠 目标：掌握模型导出、量化与部署方法 233 | 234 | ✅ 每周任务：使用 transformers + gradio 创建一个简单聊天网页，了解模型导出 ONNX、TorchScript，尝试使用 quantization 推理加速（bitsandbytes 或 GGML） 235 | 236 | 天数 学习内容 237 | Day 36 模型推理优化：int8 量化，混合精度 238 | Day 37 导出 ONNX / TorchScript 模型 239 | Day 38 使用 Gradio 创建推理界面 240 | Day 39 FastAPI + Transformers 构建 API 服务 241 | Day 40 模型部署到本地/服务器 242 | Day 41 测试部署性能，响应时间分析 243 | Day 42 复习 + 小项目：部署你的聊天机器人到本地网页 244 | 245 | 246 | 247 | 7. 进阶阅读与研究方向（可选） 248 | * ✅ MoE（Mixture of Experts） 249 | * ✅ RAG（Retrieval Augmented Generation） 250 | * ✅ 多模态模型（图文理解）、Agent 系统（LangChain） 251 | * ✅ RLHF（强化学习人类反馈） 252 | 253 | 🗓️ 第 8 周 阅读论文（MoE、RAG、RLHF 各一篇） 254 | 255 | 🧠 目标：整合从训练到部署的流程,初探前沿方向（MoE, RAG, RLHF） 256 | 257 | ✅ 每周任务：实现一个端到端的聊天系统 demo（数据 → 微调 → 部署）,阅读一篇前沿论文：RAG 或 RLHF, 浏览 LLaMA、GPT-NeoX、RWKV 的开源实现, 258 | 实现简单版检索增强生成（RAG）对比 GPT2 与 LLaMA 的结构与推理性能,使用 LangChain 实现简单智能助手，集成向量数据库（如 FAISS） 259 | 模拟 RLHF 数据训练一个奖励模型，完整复习全流程，输出总结笔记 260 | 261 | 262 | 263 | 264 | # 有用的参考 265 | * [本地快速安装运行史上最强开源LLaMa3大模型](https://liaoxuefeng.com/blogs/all/2024-05-06-llama3/index.html) 266 | -------------------------------------------------------------------------------- /LLM 大型语言模型/吴恩达老师LLM学习路径/README.md: -------------------------------------------------------------------------------- 1 | 本教程共包括 11 门课程，分为必修类、选修类两个类别。必修类课程是我们认为最适合初学者学习以入门 LLM 的课程，包括了入门 LLM 所有方向都需要掌握的基础技能和概念，我们也针对必修类课程制作了适合阅读的在线 2 | 阅读和 PDF 版本，在学习必修类课程时，我们建议学习者按照我们列出的顺序进行学习；选修类课程是在必修类课程上的拓展延伸，包括了 RAG 开发、模型微调、模型评估等多个方面，适合学习者在掌握了必修类课程之后选择 3 | 自己感兴趣的方向和课程进行学习。 4 | 5 | **必修类课程包括：** 6 | 7 | * 1. 面向开发者的 Prompt Engineering。基于吴恩达老师《ChatGPT Prompt Engineering for Developers》课程打造，面向入门 LLM 的开发者，深入浅出地介绍了对于开发者，如何构造 Prompt 并基于 OpenAI 提供的 8 | API 实现包括总结、推断、转换等多种常用功能，是入门 LLM 开发的第一步。 9 | 10 | * 2. 搭建基于 ChatGPT 的问答系统。基于吴恩达老师《Building Systems with the ChatGPT API》课程打造，指导开发者如何基于 ChatGPT 提供的 API 开发一个完整的、全面的智能问答系统。通过代码实践，实现了 11 | 基于 ChatGPT 开发问答系统的全流程，介绍了基于大模型开发的新范式，是大模型开发的实践基础。 12 | 13 | * 3. 使用 LangChain 开发应用程序。基于吴恩达老师《LangChain for LLM Application Development》课程打造，对 LangChain 展开深入介绍，帮助学习者了解如何使用 LangChain，并基于 LangChain 开发完整的、 14 | 具备强大能力的应用程序。 15 | 16 | * 4. 使用 LangChain 访问个人数据。基于吴恩达老师《LangChain Chat with Your Data》课程打造，深入拓展 LangChain 提供的个人数据访问能力，指导开发者如何使用 LangChain 开发能够访问用户个人数据、提供个性 17 | 化服务的大模型应用。 18 | 19 | **选修类课程包括（注：选修类课程暂时没有在线阅读版本）：** 20 | 21 | * 1. 使用 Gradio 搭建生成式 AI 应用。基于吴恩达老师《Building Generative AI Applications with Gradio》课程打造，指导开发者如何使用 Gradio 通过 Python 接口程序快速、高效地为生成式 AI 构建用 22 | 户界面。 23 | 24 | * 2. 评估改进生成式 AI。基于吴恩达老师《Evaluating and Debugging Generative AI》课程打造，结合 wandb，提供一套系统化的方法和工具，帮助开发者有效地跟踪和调试生成式 AI 模型。 25 | 26 | * 3. 微调大语言模型。基于吴恩达老师《Finetuning Large Language Model》课程打造，结合 lamini 框架，讲述如何便捷高效地在本地基于个人数据微调开源大语言模型。 27 | 28 | * 4. 大模型与语义检索。基于吴恩达老师《Large Language Models with Semantic Search》课程打造，针对检索增强生成，讲述了多种高级检索技巧以实现更准确、高效的检索增强 LLM 生成效果。 29 | 30 | * 5. 基于 Chroma 的高级检索。基于吴恩达老师《Advanced Retrieval for AI with Chroma》课程打造，旨在介绍基于 Chroma 的高级检索技术，提升检索结果的准确性。 31 | 32 | * 6. 搭建和评估高级 RAG 应用。基于吴恩达老师《Building and Evaluating Advanced RAG Applications》课程打造，介绍构建和实现高质量RAG系统所需的关键技术和评估框架。 33 | 34 | * 7. LangChain 的 Functions、Tools 和 Agents。基于吴恩达老师《Functions, Tools and Agents with LangChain》课程打造，介绍如何基于 LangChain 的新语法构建 Agent。 35 | 36 | * 8. Prompt 高级技巧。 37 | -------------------------------------------------------------------------------- /Python/Matplotlib/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * [matplotlib](https://simplelearn.tw/matplotlib-intro/) 3 | -------------------------------------------------------------------------------- /Python/NumPy/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * [Numpy](https://simplelearn.tw/numpy-intro/) 3 | -------------------------------------------------------------------------------- /Python/README.md: -------------------------------------------------------------------------------- 1 | 2 | * [从零开始学Python大数据与量化交易](https://weread.qq.com/web/bookDetail/94d328f071a73ffc94dee0f) 3 | 4 | # 目录 5 | * python 函数库 6 | * [Pandas](https://github.com/stevenli91748/AI/tree/master/Python/pandas) 7 | * [Matplotlib](https://github.com/stevenli91748/AI/tree/master/Python/Matplotlib) 8 | * [NumPy](https://github.com/stevenli91748/AI/tree/master/Python/NumPy) 9 | -------------------------------------------------------------------------------- /Python/pandas/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * [pandas入门课程](https://simplelearn.tw/pandas-intro/) 3 | -------------------------------------------------------------------------------- /README.md: -------------------------------------------------------------------------------- 1 | 数学与统计学基础： 2 | 3 | 线性代数：矩阵运算、特征值与特征向量等。 4 | 概率论与统计学：概率分布、假设检验、最大似然估计、贝叶斯推断等。 5 | 微积分：梯度求解和优化理论。 6 | 7 | 机器学习入门： 8 | 9 | 学习监督学习、无监督学习和强化学习的基本原理、模型及其应用场景。 10 | 掌握经典机器学习算法，如线性回归、逻辑回归、决策树、随机森林、支持向量机（SVM）、K近邻（KNN）等。 11 | 深度学习基础： 12 | 13 | 学习神经网络的基本结构，包括全连接网络、卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）、变分自编码器（VAE）和生成对抗网络（GAN）等。 14 | 学习深度学习框架，例如TensorFlow、PyTorch或Keras，并通过实践项目熟悉它们的API和工作流程。 15 | 大模型技术栈： 16 | 17 | 了解并研究大规模预训练模型，如BERT、GPT、Transformer家族和其他前沿的大规模语言模型。 18 | 学习如何利用大规模数据集进行模型训练、微调以及推理部署。 19 | 学习分布式训练、模型并行化和计算优化的相关技术。 20 | 21 | 自然语言处理（NLP）： 22 | 23 | 学习文本处理的基本技术，包括词嵌入、序列标注、语义分析等。 24 | 理解和应用现代NLP任务中常见的预处理方法、评估指标和最佳实践。 25 | 26 | 实践项目： 27 | 28 | 完成一些基于Java或者Python（鉴于AI领域的主流是Python）的机器学习和深度学习实战项目，以加深对理论知识的理解，并积累实践经验。 29 | 参与开源项目，或者参加Kaggle比赛，锻炼实际问题解决能力。 30 | 持续跟进最新进展： 31 | 32 | 关注AI领域最新的研究成果和技术动态，如阅读论文、参加研讨会或在线课程。 33 | 软技能提升： 34 | 35 | 提高数据分析能力，理解业务场景并将AI技术应用于实际问题。 36 | 学习云计算平台上的服务，如阿里云、AWS或Google Cloud的AI/ML服务，以便将模型部署到生产环境。 37 | 38 | 39 | 40 | 41 | # AI学习路径 42 | 43 | # 1 数据分析学习路径 44 | ![](https://github.com/stevenli91748/AI/blob/master/%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%AD%A6%E4%B9%A0%E8%B7%AF%E5%BE%84.png) 45 | # 2 计算机视觉学习路径 46 | ![](https://github.com/stevenli91748/AI/blob/master/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E5%AD%A6%E4%B9%A0%E8%B7%AF%E5%BE%84.png) 47 | # 3 自然语言处理学习路径 48 | ![](https://github.com/stevenli91748/AI/blob/master/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E5%AD%A6%E4%B9%A0%E8%B7%AF%E5%BE%84.png) 49 | # 4 推荐系统学习路径 50 | ![](https://github.com/stevenli91748/AI/blob/master/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%AD%A6%E4%B9%A0%E8%B7%AF%E5%BE%84.png) 51 | * 大模型学习路线 52 | * [AI大模型学习路线](https://www.bilibili.com/video/BV15Y6JYWE6u/?spm_id_from=333.337.search-card.all.click&vd_source=2e815885181376606e6c241ba03c8907) 53 | * [一个月吃透人工智能学习路线---唐宇迪](https://www.bilibili.com/video/BV1p4NGerEwJ?spm_id_from=333.788.videopod.episodes&vd_source=2e815885181376606e6c241ba03c8907&p=2) 54 | * [2025年最新大模型学习路线，零基础到精通一条龙（基础/进阶/实战）](https://www.bilibili.com/video/BV1K8QVYHEoP/?spm_id_from=333.1007.tianma.53-2-208.click&vd_source=2e815885181376606e6c241ba03c8907) 55 | * [8年经验告诉你，学AI的顺序千万别搞反了！初学者必看，少走弯路](https://www.bilibili.com/video/BV1Ya4heiEUq/?spm_id_from=333.337.search-card.all.click&vd_source=2e815885181376606e6c241ba03c8907) 56 | * [聚客AI官网](https://www.guangjuke.com/) 57 | * [聚客AI最详细的大模型学习路线！手把手教你最高效的大模型学习方法](https://www.bilibili.com/video/BV12oUXYsEbp/?spm_id_from=333.337.search-card.all.click&vd_source=2e815885181376606e6c241ba03c8907) 58 | * [重磅 【聚客AI】 大模型项目实战，顶尖的大模型项目，老师非常有经验](https://www.bilibili.com/video/BV1vKKpefEfC/?spm_id_from=333.337.search-card.all.click) 59 | * [ZOMI酱---AI 很多大模型的新技术讲解 非常好](https://space.bilibili.com/517221395/lists) 60 | * [重磅 | 完备的 AI 学习路线，最详细的资源整理！](https://github.com/apachecn/ai-roadmap/blob/master/ai-union-201904/README.md) 61 | * [AI Engineer Roadmap | How I'd Learn AI in 2024](https://www.youtube.com/watch?v=MhCHrvfAXlc) 62 | * [【耗时30天，修改上百次！】适合所有零基础人群的最全人工智能学习路线](https://www.bilibili.com/video/BV1hD4y1b7Aq/?spm_id_from=333.788.recommend_more_video.-1&vd_source=be3ac4894f8bf7883ae92030f6f7be46) 63 | * [小白如何入门AI？不花一分钱，这些免费资源请收藏好](https://www.bilibili.com/video/BV1vz421X7tf/?spm_id_from=333.337.search-card.all.click&vd_source=be3ac4894f8bf7883ae92030f6f7be46) 64 | * [https://www.waytoagi.com/](https://www.waytoagi.com/) 65 | * [https://www.toolify.ai/](https://www.toolify.ai/) 66 | * [https://www.aibase.com/](https://www.aibase.com/) 67 | * [【挑战不可能】超强AI大模型零基础入门实战教程，AI技术专家手把手带你从零基础/小](https://www.bilibili.com/video/BV1rQe6eFE4a?spm_id_from=333.788.recommend_more_video.10&vd_source=be3ac4894f8bf7883ae92030f6f7be46) 68 | * [十三分鐘略懂 AI 技術：機器學習、深度學習技術原理及延伸應用](https://www.youtube.com/watch?v=UGdG4WpluJ8) 69 | * [这绝对是B站2025年人工智能入门的天花板教程](https://www.bilibili.com/video/BV1mSq2Y1ER5?spm_id_from=333.788.recommend_more_video.1&vd_source=be3ac4894f8bf7883ae92030f6f7be46) 70 | * [【全748集】清华大佬终于把AI大模型（LLM）讲清楚了！通俗易懂，2024最新内部版](https://www.bilibili.com/video/BV1rS411F735?spm_id_from=333.788.player.switch&vd_source=be3ac4894f8bf7883ae92030f6f7be46&p=3) 71 | * [DeepLearnAI---FREE COURSE](https://www.deeplearning.ai/short-courses/langchain-for-llm-application-development/) 72 | 73 | 74 | 75 | 76 | # AI论文 77 | * [人工智能从业者应该从哪里去寻找和阅读顶级论文？](https://www.zhihu.com/question/303022763) 78 | * [人工智能必看的45篇论文](https://islinxu.github.io/survey-read-notes/List/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%BF%85%E7%9C%8B%E7%9A%8445%E7%AF%87%E8%AE%BA%E6%96%87.html) 79 | * [人工智能领域2024年6月多篇最新论文](https://blog.csdn.net/weixin_44904675/article/details/140455541) 80 | * 81 | 82 | # 博客 83 | * [Datawhale人工智能培养方案](https://github.com/datawhalechina) 84 | * 李宏毅 85 | * [李宏毅官方](https://speech.ee.ntu.edu.tw/~tlkagk/courses.html) 86 | * [一堂課搞懂生成式人工智慧的技術突破與未來發展 学习步骤](https://www.youtube.com/watch?v=QLiKmca4kzI) 87 | * 2025年最好的Ai工具网站 88 | * [https://www.aconvert.com/ 免费的各种文件格式转换 非常好用](https://www.aconvert.com/) 89 | * [汇总了目前AI所有的产品](https://latentbox.com/en) 90 | * [闪剪---AI数字人自动帮你做视频，只要输入文案，就可生成视频](https://shanjian.tv/?inviteId=641e817dff3c22003b2a0f2b) 91 | 92 | # 数学 93 | * [强推！这绝对是全站最全的人工智能入门数学系列课程！一小时带你掌握机器学习必备的数学基础！微积分、线性代数、泰勒公式、方差、假设分析...等多个高等数学知识点！](https://www.bilibili.com/video/BV1XGUsYQEvs/?spm_id_from=333.337.search-card.all.click&vd_source=be3ac4894f8bf7883ae92030f6f7be46) 94 | 95 | * 推荐的数学学习逻辑顺序 96 | * 0 [【160集全集】美国数学课程-从小学到大学-中英cc字幕-数学英语](https://www.bilibili.com/video/BV1va411P7Ry?spm_id_from=333.788.videopod.episodes&vd_source=be3ac4894f8bf7883ae92030f6f7be46&p=112) 97 | * [高中数学PDF](https://he.huatu.com/zt/jsdzkb/books/shuxue/rjb/rjbgzsxbx1/4904.html) 98 | * 1 线性代数 99 | * [《线性代数》教学视频 宋浩老师（2024年更新）](https://www.bilibili.com/video/BV1aW411Q7x1/?spm_id_from=333.337.search-card.all.click&vd_source=be3ac4894f8bf7883ae92030f6f7be46) 100 | * 2 微积分 101 | * [普林斯顿微积分读本（修订版）》【宋浩】](https://www.bilibili.com/cheese/play/ss587?query_from=0&search_id=3537487613518447946&search_query=%E5%BE%AE%E7%A7%AF%E5%88%86&csource=common_hpsearch_null_null&spm_id_from=333.337.search-card.all.click) 102 | * 3 高等数学 103 | * [高等数学---同济版-宋浩老师](https://www.youtube.com/watch?v=FgY912VvdYw&list=PL4zrv2vhJAeDT4iJSzQ9AfU12a8JybtHp) 104 | * 4 统计概率 105 | * [概率论与数理统计---宋浩老师](https://www.youtube.com/watch?v=YWhtvSq5bXs&list=PL4zrv2vhJAeBpl_spgWJZE9RvSsW8aZ7n) 106 | 107 | # 在线书籍 108 | 109 | * [3D视觉工坊](https://www.3dcver.com/) 110 | * [零基础AI入门指南](https://www.liaoxuefeng.com/article/1543329456062498) 111 | * [8个学习AI的网站（免费自学人工智能必备）](https://www.xue8nav.com/2090.html) 112 | 113 | # [AI赚钱](https://github.com/stevenli91748/AI/blob/master/AI%E8%B5%9A%E9%92%B1/README.md) 114 | 115 | ## 人工智能 116 | * [人工智能算法（卷1）： 基础算法](https://weread.qq.com/web/reader/a5132e7071a52573a51515f) 117 | * [人工智能算法（卷2）： 受大自然启发的算法](https://weread.qq.com/web/reader/5c2328d072220dc85c251c6) 118 | * [人工智能算法（卷3）： 深度学习和神经网络](https://weread.qq.com/web/reader/c093253072345962c09b59e) 119 | * [程序员的AI书](https://weread.qq.com/web/reader/cf032a6071d38028cf0aca2) 120 | * [图解人工智能](https://weread.qq.com/web/reader/f2e32790723973aff2e8793) 121 | * [智能语音时代](https://weread.qq.com/web/reader/c04328b07187b522c04cc0b) 122 | * [人工智能入门在线教程](https://www.cbedai.net/zimug/) 123 | ## 深度学习 124 | * [尚硅谷AI人工智能视频教程(机器学习&深度学习)](https://www.bilibili.com/video/BV1zb411P7iV/?spm_id_from=333.337.search-card.all.click&vd_source=be3ac4894f8bf7883ae92030f6f7be46) 125 | * [深度学习图像识别技术： 基于TensorFlow Object Detection API 和 OpenVINO 工具套件 ](https://weread.qq.com/web/reader/75d324c0724b3fed75d0c40) 126 | * [javascript深度学习---TensorFlow.js](https://weread.qq.com/web/reader/05232050723fba4a0522a7ckc51323901dc51ce410c121b) 127 | * [深度学习500问： AI工程师面试宝典](https://weread.qq.com/web/reader/e95323d0722d2009e956a19) 128 | * [Python深度学习实战](https://weread.qq.com/web/bookDetail/fc932ec07275205cfc9f18b) 129 | * [PyTorch深度学习实战](https://weread.qq.com/web/reader/73d32f9072922e7d73d5a39) 130 | * [系统入门深度学习，从这里轻松开始---视频](https://www.youtube.com/watch?v=rl88AgG8Zxk&list=PL-fouz1yopdq4_BJZJtT_5sKM8e4Q_t9x) 131 | 132 | ## 人脸识别 133 | * [三维人脸建模方法与应用](https://weread.qq.com/web/reader/20032330717dbf6920064e8) 134 | * [深度学习之人脸图像处理： 核心算法与案例实战](https://weread.qq.com/web/reader/7b03279071f077ba7b0b126) 135 | * [动态人脸识别系统研究](https://weread.qq.com/web/reader/f3e321207159a6d0f3edb82) 136 | * [人脸识别算法与案例分析](https://weread.qq.com/web/reader/7da32c20723b09737daff5a) 137 | * [人脸图像处理与识别](https://weread.qq.com/web/reader/e81328a05a80d0e814c6147) 138 | * [人脸识别与美颜算法实战： 基于Python, 机器学习与深度学习](https://weread.qq.com/web/bookDetail/6a932e80811e37963g017dd0) 139 | 140 | ## 自动驾驶 141 | * [3D视觉工坊](https://www.3dcver.com/) 142 | * [2022全网超全自动驾驶学习资料汇总（附800G资料包）](https://www.eet-china.com/mp/a164279.html) 143 | * [自动驾驶算法与芯片设计 2022](https://weread.qq.com/web/reader/98932ac0813ab6e95g01723b) 144 | 145 | ## AI虚拟主播 146 | * [一个人拍视频做YouTuber赚钱｜免费用ChatGPT+midjourney AI布置YouTube工作室虚拟背景](https://www.youtube.com/watch?v=k2uVltRFDKg) 147 | * [【零基礎入門】免費AI軟件，一鍵做逼真虛擬網紅，月賺1萬美金](https://www.youtube.com/watch?v=5l0lA9O498c) 148 | * [HeyGen AI虚拟主播平台](https://app.heygen.com/home?sid=brand-ggs-global&utm_source=google&utm_medium=cpc&utm_campaign=global-brand&utm_id=17160099312&utm_term=ggs&utm_content=brand-ggs-global&gclid=CjwKCAjw29ymBhAKEiwAHJbJ8op1BoE4m7ZmnVg4MdCZa4NoZmanZOC586B7g1m86Dg8_2N1FPPVBRoC9SkQAvD_BwE) 149 | * [AI虚拟主播一键生成，比D-ID更香，仅需一张照片，一分钟就可以拥有你的定制形象](https://www.youtube.com/watch?v=JKXhJEgsU7U&t=8s) 150 | * [闪剪](https://shanjian.tv/?inviteId=641e817dff3c22003b2a0f2b) 151 | * [自媒体家园---AI工具](https://www.zmthome.com/) 152 | * [D-ID ----AI 数字人工具平台](https://studio.d-id.com/) 153 | * [製作影片利器！KREADO-AI：免費生成無限AI影片！](https://www.youtube.com/watch?v=NUqUsen4eMA) 154 | * [从0开始捏一个自己的虚拟人，手机扫描到MetaHuman做一个自己的虚拟人](https://www.youtube.com/watch?v=bbYXJVkN0vY) 155 | * [如何用ChatGPT生成虚拟数字人带货视频帮你卖货，帮你赚钱？普通小白也能轻松上手，手把手教你怎么做](https://www.youtube.com/watch?v=JLJeUiBMiV0) 156 | ## ChatGPT & OpenAI 157 | * ChatGPT编程 158 | 159 | * [不限量 无门槛 | 免费获取ChatGPT API | gpt-4o-mini API免费用 | 适用于沉浸式翻译等应用](https://www.youtube.com/watch?v=lUWFK70hYGw) 160 | * [Spring Boot + OpenAI ChatGPT API Integration | JavaTechie](https://www.youtube.com/watch?v=HlDkuFy8xRM) 161 | * [尚硅谷chatgpt](https://www.youtube.com/watch?v=GrkivZ4bycs&list=PLmOn9nNkQxJGDzznY4icyNgyEKM91Tfvy) 162 | * [ChatGPT Full Course For 2023 | Complete ChatGPT Full Course](https://www.youtube.com/watch?v=tjKw_yF6s5k) 163 | * [OpenAI Document](https://platform.openai.com/overview) 164 | * [免费的 Prompt Engineering 教程 完整的ChatGPT + Midjourney 教程](https://learningprompt.wiki/) 165 | * [2个网站让你快速成为ChatGPT高手](https://www.youtube.com/watch?v=EJt31Em74sI) 166 | * AutoGPT 167 | * [AutoGPT 0.3 大版本升级揭秘：极简Docker安装法＋避坑指南](https://www.youtube.com/watch?v=8lnTEPYYyeQ) 168 | * [怎么样在网页中使用AutoGPT。 AgentGPT初学者教程](https://www.youtube.com/watch?v=TWnhNfmgaWU) 169 | * [AgentGPT 堪称人工智能的天花板！附最新的安装部署教程](https://www.youtube.com/watch?v=RTAs-QSby6c) 170 | * ChatGPT实战 171 | * [诸葛老师聊AI数字人&抖音AI无人直播&AI副业](https://vip.tulingxueyuan.cn/p/t_pc/course_pc_detail/video/v_6470592fe4b0b0bc2beb09d9) 172 | * ChatGPT赚钱 173 | * [【全自動化賺錢】8款AI工具幫你多賺100倍，打造你的自動化賺錢機器！幾小時完成1週工作，手把手帶你實操！](https://www.youtube.com/watch?v=NH51FBaRo1I) 174 | * [七种方法让你在2023年走向财富自由。怎么样用ChatGPT赚到每月40,000美元](https://www.youtube.com/watch?v=BBpnw_pFNSk) 175 | * [ChatGPT + AI 生成影片 I 8分鐘製作不露臉、不剪輯、不錄音視頻在 YouTube賺錢！I ChatGPT 零本錢零門檻創業](https://www.youtube.com/watch?v=datGYHhsNko) 176 | * [用虛擬人賺錢 I AI 你自己！超快速製作你專屬的虛擬人自動化賺錢 I ChatGPT + Leonardo AI + D-ID + 剪映 I AI 幫你拍片在 Youtube賺錢](https://www.youtube.com/watch?v=_PJSypBpxjc) 177 | * [超逼真的AI数字人，一键免费生成教程！还能克隆你自己，用这2个网站即可轻松搞定](https://www.youtube.com/watch?v=OpYYFGJPr0A) 178 | * [复刻你自己！数字人虚拟主播怎么做的？比D-ID强大10倍的网站，跨境电商必备，亚马逊链接一键生成真人卖货视频，内嵌ChatGPT 多国语言](https://www.youtube.com/watch?v=urfzAqBkwLI) 179 | * [用虛擬人賺錢 I AI 你自己！超快速製作你專屬的虛擬人自動化賺錢 I ChatGPT + Leonardo AI + D-ID + 剪映 I AI 幫你拍片在 Youtube賺錢](https://www.youtube.com/watch?v=_PJSypBpxjc) 180 | * [AI midjourney从服装图生成真人模特：图片关键词，iw参数，chatgpt，换脸工具](https://www.youtube.com/watch?v=RCMucLwEEmw) 181 | * [ChatGPT + Filmora 剪辑不露脸、文字转AI语音，快速完成Youtube百万点阅影片作法，初学者轻松掌握影片剪辑！超完整教学](https://www.youtube.com/watch?v=rKyq4jSkXgU) 182 | * [我用ChatGPT+Midjourney零成本打造出了一个线上服装生意｜全自动化赚钱流程公开，人人都可以做](https://www.youtube.com/watch?v=_dLpmwPyl3M) 183 | * chatGPT视频 184 | * [木子AI研究所](https://www.youtube.com/@muziailab) 185 | * [2024最新AI做视频完整教程，不出镜不露脸，AI做奇幻故事讲解视频---littlefish小鱼儿AI技术学堂](https://www.youtube.com/watch?v=OhUZui9aDDs) 186 | * chatGPT账号购买：https://bit.ly/3R71Xuh 187 | * Midjourney便宜合租：https://bit.ly/3R71Xuh 188 | * Fliki.ai注册链接：https://bit.ly/487Qfqe 189 | * mubert 注册链接：https://bit.ly/3QTjYfw 190 | * [E-乐学 elearni](https://www.youtube.com/@elearni) 191 | * [创建超真实的 AI 绝世网红 | AI Instagram 模特 | 分步教程](https://www.youtube.com/watch?v=zHxAQybpybU) 192 | * [超越现实：Wonder Studio 打造你的科幻世界, 让你的电影梦想成真 - 内测版介绍和基础教程](https://www.youtube.com/watch?v=oPnvTZCbyXQ) 193 | * [AI 视频换脸！史上最强最快的方法，100%成功，完全免费，无需配置，打开即可使用](https://www.youtube.com/watch?v=nSDz2W7SbOk) 194 | * [AI配音 魔法写作 魔法绘画 智能改写 文案提取 视频解析 精品工具 新媒体资讯](https://www.meixiaosan.com/tosound.html) 195 | * [用AI给服装配个模特居然一键搞定？看来做电商真不需要找模特商拍了](https://www.youtube.com/watch?v=upYuiA_m5BE) 196 | * [AI 视频工具---视频文案提取工具](https://www.meixiaosan.com/tosound.html) 197 | * [免费文本生成视频---invideo](https://invideo.io/ai/) 198 | * [【AI魔法】Bing+Flexclip+剪映，零基礎也能百萬點擊！爆款秘笈到流量變現，免費工具3步驟，打造爆款YouTube影片](https://www.youtube.com/watch?v=N7vZ2KESJ5Q) 199 | * [flexclip.com ----非常好的制作短视频网站，能用指定的图片，文字，音乐生成视频](https://www.flexclip.com/slideshow-maker.html) 200 | * [10 个“最佳”人工智能视频生成器（2023](https://www.unite.ai/zh-CN/%E6%9C%80%E5%A5%BD%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E8%A7%86%E9%A2%91%E7%94%9F%E6%88%90%E5%99%A8/) 201 | * [只需一句话，借助ChatGPT用AI生成超棒短视频，详细教程](https://www.youtube.com/watch?v=706x04ZrFTE) 202 | * [网站生成视频](https://pictory.ai/pricing) 203 | * [ChatGPT + Filmora 剪辑不露脸、文字转AI语音，快速完成Youtube百万点阅影片作法，初学者轻松掌握影片剪辑！超完整教学](https://www.youtube.com/watch?v=rKyq4jSkXgU&t=551s) 204 | * [使用ChatGPT制作一部视频是什么体验？(完整步骤介绍)](https://www.youtube.com/watch?v=fUk2LbYl73Y) 205 | * [免費影片剪輯軟體！新手也能輕鬆學會用電腦剪片！一步一步教你如何做出自己的作品！剪接、配樂、變速、轉場、音量調整、自動上字幕等多種強大功能！適合新手使用的剪映電腦版！](https://www.youtube.com/watch?v=Ke43EELMDlM) 206 | * [赚钱工具ChatGPT+AI一帧秒创 /5分钟生成影片，全网最完整步骤介绍！](https://www.youtube.com/watch?v=F6tryOh6320) 207 | * [如何使用ChatGPT制作视频实现月入15K美刀+埃克森数字营销](https://www.youtube.com/watch?v=jOeDnXWCoQY) 208 | * chatGPT写作 209 | * [ChatGPT Writer 自动撰写信件外挂，职场必备AI技能，写英文信件不需再担心文法或语法](https://www.youtube.com/watch?v=Xh7xTjNlDck) 210 | * [jasper.ai---AI写作助手 可为企业用户写广告](https://www.youtube.com/watch?v=iZ0A-pyuobI) 211 | * AI論文工具 212 | * [《AI写论文完全指南》1天搞定20000字，从选题到论文全攻略！chatGPT写论文教程](https://www.youtube.com/watch?v=rLpzqZXWK7g) 213 | * [AI論文工具](https://www.youtube.com/watch?v=0gdH2zWhvco) 214 | * [秘塔写作猫](https://xiezuocat.com/) 215 | 216 | * AI生成绘画作图 217 | * [2024最新AI做视频完整教程，不出镜不露脸，AI做奇幻故事讲解视频---littlefish小鱼儿AI技术学堂](https://www.youtube.com/watch?v=OhUZui9aDDs) 218 | * [美图设计室---AI 做图](https://www.x-design.com/) 219 | * [Stable diffusion 一键生成视频！免费开源，想怎么玩就怎么玩！附完整安装教程](https://www.youtube.com/watch?v=lNGEeUCL8NE) 220 | * [做好图](http://www.zuohaotu.com/modify-image-size.aspx) 221 | * [在线拼图工具网站](https://www.fotor.com/) 222 | * [免费的图片合成网站](https://photokit.com/editor/?lang=zh) 223 | * [5款修图片、拼图片、合成图片的神器](https://zhuanlan.zhihu.com/p/332490728) 224 | * [无版权的照片and video 网站1---- pexels](https://www.pexels.com/) 225 | * [[无版权的照片and video 网站2--- pixabay](https://pixabay.com/) 226 | 227 | * chatGPT配音,练习英文 228 | * [目前最强的文字转语音工具：TTSMaker｜三大特点：完全免费 可以商用 合成超快](https://www.youtube.com/watch?v=emK7Me-Mldo) 229 | * [在手机上使用Chatgpt练习雅思英语口语（Practice speaking IELTS English on your Iphone with Chatgpt）](https://www.youtube.com/watch?v=gWYObDW7g8Y) 230 | * [2023年視頻剪輯必備的五大免費無版權音樂平台| Top 5 Best No Copyright Music Sites](https://www.youtube.com/watch?v=V6KttMHmH2A) 231 | * pixabay.com 232 | * bensound.com 233 | * youtube audio library 234 | * soundcloud 235 | * 爱给网 236 | * [如何用 AI 给视频外语配音](https://www.youtube.com/watch?v=-vAb8wIEMU0) 237 | * [如何用 AI 应用 Speak 帮你练英语口语](https://www.youtube.com/watch?v=1XRKoikjags) 238 | * [如何用Chat GPT练就流利英语口语-让A I帮你准备雅思口语考试](https://www.youtube.com/watch?v=OFM6RwzcBqk) 239 | * [神級+免費🤯 4個AI學英文工具](https://www.youtube.com/watch?v=AFx6WF4UChM) 240 | 241 | * chatGPT编程 242 | * [你真的会学习吗？利用ChatGPT解锁五个让你学习效率加倍的秘诀](https://www.youtube.com/watch?v=6TyxocwA1Ng) 243 | * [ChatGPT 如何帮你提升科研效率？](https://www.youtube.com/watch?v=MHW64JZhbcQ) 244 | * [ChatGPT vs Google Bard : 人工智能哪家强? 谁更懂编程](https://www.youtube.com/watch?v=iCDjOx2RPDo) 245 | * [如何用 ChatGPT 帮你写 Python 爬虫？实际样例循序渐进手把手教程](https://www.youtube.com/watch?v=MHW64JZhbcQ) 246 | * [我用AI编程windsurf做了个图书管理系统01](https://www.bilibili.com/video/BV1B9cnenEva?spm_id_from=333.788.videopod.sections&vd_source=2e815885181376606e6c241ba03c8907) 247 | * [重塑编程未来的AI集成开发环境（IDE）深度解析](https://blog.csdn.net/luomao2012/article/details/144437108) 248 | * [进击的猿的部落](https://space.bilibili.com/278462933) 249 | * ChatGPT Database 250 | * [阿里---Chat2DB](https://github.com/alibaba/Chat2DB) 251 | * ChatGPT Office 252 | * [取代 PowerPoint 的強大 AI 工具？讓我從此只想用它做簡報](https://www.youtube.com/watch?v=WSlV5PW3QP8) 253 | * ChatGPT 证券分析 254 | * [手把手教你用ChatGPT做证券分析，半小时完成证券公司十人团队的十天的工作](https://www.youtube.com/watch?v=kWHGVjLkS2g&t=86s) 255 | --- 256 | 257 | ## AI TOOLS 258 | * [13款最強的AI工具，幫助10倍提升你的工作/賺錢效率，快速超過99%的人](https://www.youtube.com/watch?v=XZ6FRxceBp4) 259 | * [learn prompting with chatgpt](https://learnprompting.org/docs/intro) 260 | * [AI 可把语音翻译成60多种语言](https://www.rask.ai/) 261 | * [FUTUREAI](https://futureai.guru/) 262 | * [AI研究组](https://www.aiyjs.com/) 263 | * [AI 工具合辑盘点](https://sspai.com/post/78410) 264 | * [AI 工具集导航---good](https://ai-bot.cn/) 265 | * [AI 工具箱---good](https://www.phpcms9.com/ai/opensource) 266 | * [一起用AI](https://17yongai.com/) 267 | * [google 的AI 和机器学习产品](https://cloud.google.com/products/ai?hl=zh-cn) 268 | * [AI 工具箱2---good](https://tool.aiofchina.com/) 269 | * [flow gpt---useing the best prompt](https://flowgpt.com/) 270 | * [免费的文本转语音网站](https://ttsmp3.com/) 271 | * [月赚5万美金！儿童频道AI自动生成动画视频，YouTube赚钱新思路，全新蓝海领域变现超快](https://www.youtube.com/watch?v=e834xf5ZKqc&t=29s) 272 | 273 | # AI网站 274 | # 小白如何入门AI？不花一分钱，这些免费资源请收藏好 275 | [通往AGI之路 非常好](https://www.waytoagi.com/zh)|[Discover The Best AI Websites & Tools](https://www.toolify.ai/)|[https://www.aibase.com/zh/](https://www.aibase.com/)| 276 | ---|---|---| 277 | 278 | 279 | [我用Cursor AI编程开发的App，登上了Appstore排行榜第一｜小猫补光灯Pro](https://www.bilibili.com/video/BV1f6BfYPE9o/?spm_id_from=333.337.search-card.all.click&vd_source=2e815885181376606e6c241ba03c8907)| 280 | ---| 281 | 282 | [阿里巴巴 知行动手实验室](https://start.aliyun.com/)|[巨牛的人工智能学习网站](https://www.captainai.net/jiangyu1013/)|[床长人工智能教程](https://www.cbedai.net/zimug/)|[开源的人工智能零基础入门](https://zh.d2l.ai/chapter_convolutional-modern/index.html)| 283 | ---|---|---|---| 284 | 285 | [YOLO 及 Opencv 完成图像目标检测](https://bbs.cvmart.net/articles/107/yi-wen-dai-ni-xue-hui-shi-yong-yolo-ji-opencv-wan-cheng-tu-xiang-mu-biao-jian-ce-fu-yuan-ma)|[多目标追踪器：用 OpenCV 实现多目标追踪（C++/Python)](https://bbs.cvmart.net/articles/71/duo)|[计算机视觉资源汇总](https://bbs.cvmart.net/topics/3975)| 286 | ---|---|---| 287 | 288 | [极市开发者平台---人工智能垂直领域计算机视觉技术的开发者社区，致力于为视觉算法开发者提供一个分享创造、结识伙伴、协同互助的平台](https://bbs.cvmart.net/topics)| 289 | ---| 290 | 291 | [Python机器学习算法入门教程](http://c.biancheng.net/ml_alg/)| 292 | ---| 293 | 294 | [CV 开发者自我修养 吴恩达教程 / 笔记 / 刷题资料最全汇总](https://bbs.cvmart.net/topics/1454)| 295 | ---| 296 | 297 | [AR ARCore增强现实开发从0到1](https://edu.csdn.net/agency/index/766)|[AI视觉应用工程师系列直播课](https://edu.csdn.net/learn/29546?spm=1002.2001.3001.4157)| 298 | ---|---| 299 | 300 | 301 | 302 | # 人脸检测 303 | * [前沿人工智能技术只停留在论文中？这个项目助你上手使用](https://mp.weixin.qq.com/s/KaJwnmipdw3hZBeBXshPmw) 304 | * [一款入门级的人脸、视频、文字检测以及识别的项目](https://github.com/vipstone/faceai) 305 | 306 | 307 | # 机器学习实战 308 | 309 | [深蓝学院---专注人工智能与自动驾驶的学习平台](https://www.shenlanxueyuan.com/)| 310 | ---| 311 | 312 | [TensorFlow教程](https://www.yiibai.com/tensorflow)|[人工智能（AI）教程](https://www.yiibai.com/artificial-intelligence-tutorial/)|[人工智能（Python）教程](https://www.yiibai.com/ai_with_python/)| 313 | ---|---|---| 314 | 315 | * [机器学习实战-开发环境安装](https://www.toutiao.com/a6812590209956315660/?log_from=06b42534784f6_1630185694964) 316 | * [机器学习实战-sklearn介绍](https://www.toutiao.com/a6812504066036335117/?log_from=cbd20d640241c_1630185758369) 317 | * [机器学习实战-特征选择](https://www.toutiao.com/a6813175138075279876/?log_from=413324d3a2feb_1630185792823) 318 | * [机器学习实战-特征选择之过滤法](https://www.toutiao.com/a6813614364298314254/?log_from=e9627d7d62ecd_1630185817319) 319 | * [机器学习实战-特征选择之嵌入法](https://www.toutiao.com/a6814024689367646724/?log_from=387fc6c56ba42_1630185872861) 320 | * [机器学习实战-特征选择之递归特征消除](https://www.toutiao.com/a6814294369835680269/?log_from=dfcae7760233a_1630185892014) 321 | * [机器学习实战-监督学习、无监督学习](https://www.toutiao.com/a6814398389250163211/?log_from=16cb155938c0e_1630185911284) 322 | * [机器学习实战：决策树原来这么简单](https://www.toutiao.com/a6815825731738665484/?log_from=3ef486d690ae7_1630186257081) 323 | * [机器学习实战：KNN需掌握的小技巧](https://www.toutiao.com/a6816198709840183821/?log_from=051a3f1e717ec_1630186287587) 324 | * []() 325 | 326 | # 深度学习 327 | 328 | [深度学习](https://www.yiibai.com/python_deep_learning/)|[深度学习训练为什么需要GPU?](https://www.infoq.cn/article/yujetuzzjhlnvjwrfo5s)|[哪些 GPU 更适合深度学习和数据库？](https://www.infoq.cn/news/which-gpu-to-get-for-deep-learning?utm_source=related_read_bottom&utm_medium=article)| 329 | ---|---|---| 330 | 331 | 332 | # 目录 333 | * [【人工智能学习笔记 一】 AI分层架构、基本概念分类与产品技术架构](https://blog.csdn.net/sinat_33087001/article/details/145418655?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-4-145418655-blog-136968033.235^v43^pc_blog_bottom_relevance_base5&spm=1001.2101.3001.4242.3&utm_relevant_index=7) 334 | * AI分层架构---人工智能三大核心概念：数据、算法与算力，算法是核心 335 | * 1 AI基础理论 336 | * 1.1 数学基础 337 | * 1.1.1 概率论---处理不确定性，用于贝叶斯网络等概率推理，如医疗诊断中疾病概率推断 338 | * 1.1.2 统计学---用于数据分析、模型评估，如样本估计总体、假设检验判断模型有效性 339 | * 1.2.3 线性代数---处理向量和矩阵运算，是神经网络前向、反向传播算法核心，如计算神经元连接权重 340 | * 1.2 计算机科学基础 341 | * 1.2.1 算法---人工智能实现的具体步骤，搜索算法用于寻解，优化算法用于模型训练 342 | * 1.2.2 数据结构---组织和存储数据，如知识图谱用图结构表示实体关系 343 | * 2 AI基础层 ---基础层是AI技术的底层支撑，主要包括硬件设备和数据服务 344 | * 2.1 硬件设备(算力) ---包括AI芯片（如GPU、NPU、ASIC、FPGA等）、服务器和存储设备。这些硬件为AI的大量计算任务提供强大的算力 345 | * 2.2 数据服务(数据)---涉及数据采集、标注、存储与管理。数据是AI的“粮食”，经过清洗、标注等预处理后，成为训练AI模型的重要素材 346 | * 2.2.1 数据收集 347 | * 2.2.1.1 传感器---获取现实世界数据，图像传感器用于计算机视觉，麦克风用于语音识别 348 | * 2.2.1.2 网络爬虫---从网页抓取数据，搜索引擎用于收集网页内容 349 | * 2.2.2 数据预处理 350 | * 2.2.2.1 清洗---去除噪声、重复和错误数据，提高数据质量，如医疗数据清洗 351 | * 2.2.2.2 标注---为数据添加语义标签，图像分类需人工标注类别 352 | * 2.2.2.3 特征工程---提取和选择有意义特征，文本分类用TF - IDF提取特征 353 | * 2.2.3 数据存储---结构化数据存于关系型数据库，非结构化存于非关系型数据库 354 | * 3 技术层---技术层是AI技术的核心，包括算法模型、软件框架 355 | * 3.1 算法模型(算法)---涵盖机器学习、深度学习等技术，通过让计算机从数据中学习规律和模式，实现各种预测和决策任务，通过算法对处理好的数据进行处理与训练，主要包含：知识理解与学习，知识处理与训练，知识决策与表达 356 | * 3.1.1 知识理解与学习 357 | * [3.1.1.1 机器学习 ](https://github.com/stevenli91748/AI/blob/master/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/README.md) 358 | * [3.1.1.2 深度学习](https://github.com/stevenli91748/AI/blob/master/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/README.md) 359 | * [3.1.1.3 强化学习](https://github.com/stevenli91748/AI/tree/master/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0) 360 | * [3.1.1.4 迁移学习](https://github.com/stevenli91748/AI/tree/master/%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0) 361 | * [3.1.1.5 多模态学习](https://github.com/stevenli91748/AI/tree/master/%E5%A4%9A%E6%A8%A1%E6%80%81%E5%AD%A6%E4%B9%A0) 362 | * [3.1.1.6 联邦学习](https://github.com/stevenli91748/AI/tree/master/%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0) 363 | * 3.1.2 知识处理与训练 364 | * [3.1.2.1 自然语言处理（NLP）](https://github.com/stevenli91748/AI/tree/master/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%EF%BC%88NLP%EF%BC%89) 365 | * [3.1.2.2 计算机视觉（CV）](https://github.com/stevenli91748/AI/tree/master/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%EF%BC%88CV%EF%BC%89) 366 | * [3.1.2.3 音频处理（AP）](https://github.com/stevenli91748/AI/tree/master/%E9%9F%B3%E9%A2%91%E5%A4%84%E7%90%86%EF%BC%88AP%EF%BC%89) 367 | * [3.1.2.4 视频处理（VP）](https://github.com/stevenli91748/AI/tree/master/%E8%A7%86%E9%A2%91%E5%A4%84%E7%90%86%EF%BC%88VP%EF%BC%89) 368 | * 3.1.3 知识决策与表达 369 | * [3.1.3.1 知识表示 ](https://github.com/stevenli91748/AI/tree/master/%E7%9F%A5%E8%AF%86%E8%A1%A8%E7%A4%BA) 370 | * [3.1.3.2 知识推理](https://github.com/stevenli91748/AI/tree/master/%E7%9F%A5%E8%AF%86%E6%8E%A8%E7%90%86) 371 | * 3.2 算法框架(算法)---如TensorFlow、PyTorch、Caffe等，为开发者提供了构建和训练AI模型的工具和接口 372 | * AI程序开发工具 373 | * [从零玩转Langchain4j！揭秘SpringBoot集成核心技巧，让你的AI应用效率翻倍](https://www.bilibili.com/video/BV19k97Y1E48/?spm_id_from=333.1391.0.0&p=2&vd_source=2e815885181376606e6c241ba03c8907) 374 | * Transformer 375 | * [深入理解Transformer技术原理](https://tech.dewu.com/article?id=109) 376 | * 3.3 开发平台---云服务提供商的AI开发平台（如阿里云、腾讯云等）集成了计算资源、数据存储、算法框架等，方便开发者进行AI模型的开发、训练和部署 377 | * [3.4 LLM 大型语言模型（Large Language Model）](https://github.com/stevenli91748/AI/tree/master/LLM%20%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B) 378 | * 4 应用层(工具)---应用层是AI技术与具体场景相结合的产物，包括面向消费者（C端）和面向企业/政府（B/G端）的应用 379 | * 4.1 C端应用：如智能语音助手（Siri、Alexa）、个性化推荐（视频、音乐推荐）等，直接影响普通用户的体验 380 | * 4.2 B/G端应用：企业可以利用AI优化供应链管理、提升客户服务效率；政府则可以通过AI实现智能交通管理、公共安全监控等 381 | * 4.3 AIGC 382 | * 4.4 AI AGENT 383 | 384 | --------------------------------------------------------------------------------------------------------------------- 385 | 386 | * AI(人工智能应用) 387 | * [机器学习](https://github.com/stevenli91748/AI/blob/master/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/README.md) 388 | * 深度学习 389 | * [有哪些比较好的机器学习，深度学习的网络资源可利用？](https://www.zhihu.com/question/43664024/answer/256366763) 390 | * 神经网络---通过连接起来的数学方程式的网络，模拟大脑处理信息的方式以建立起来的算法。提供给神经网络的数据被分解成更小的块并根据网络的复杂性分析其基础模式成千上万次。当一个神经网络的输出被输入到另一个神经网络的输入时，这两个神经网络就会链接到一起成为分层，成为一个深层的神经网络。通常，深度神经网络的层会分析越来越高的抽象层的数据，这意味着，在得到最简单和最准确的数据表示之前，它们会将有用数据从没有必要的数据中提取出来 391 | * 卷积神经网络---一个主要用来识别和理解图像、视频和音频数据的神经网络，因为它能够处理密集的数据，比如数百万像素的图像或数千个音频文件样本 392 | * 递归神经网络---一种用于自然语言处理的神经网络，它可以周期性地、连续地分析数据，这意味着它可以处理像单词或句子这样的数据，同时在句子中保持它们的顺序和上下文 393 | * 长短期记忆网络---一种周期性的神经网络的变体，它的是用来根据数据来保留结构化的信息。例如，RNN可以识别句子中的所有名词和形容词，检查它们是否被正确使用，但LSTM可以记住一本书的情节 394 | * 大模型 395 | * 人脸识别原理 + OpenCV计算机视觉 396 | * 知识图谱 397 | 398 | 399 | 400 | --- 401 | 402 | # 吵着要学AI的小伙伴，可以看看这些牛批的开源项目 403 | 404 | * [TensorFlow---个人自学AI的话，这个框架建议还是熟练使用](https://github.com/tensorflow/tensorflow "TensorFlow是人工智能领域第一大开源框架，最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。自2015年起，TensorFlow开始开放源代码，截止到目前已经被广泛应用于各类机器学习、人工智能等领域的研究项目和商用项目") 405 | * [ CNTK深度学习工具包](https://github.com/Microsoft/CNTK "CNTK是微软出品的开源深度学习工具包，可以运行在CPU或GPU上。CNTK允许用户轻松实现当下流行算法模型的组合，例如前馈DNN，卷积网（CNN）和递归网络（RNN / LSTM）等等。CNTK的预测精度很好，也提供了很多先进算法的实现，而且CNTK提供了基于C++、C#和Python等多种编程语言的接口，非常方便应用。") 406 | * [PyTorch机器学习库](https://github.com/pytorch/pytorch "PyTorch是一个开源的 Python机器学习库，可以用于人工智能、机器学习和自然语言处理等领域。PyTorch于2017年由Facebook人工智能研究院推出，它具有强大的GPU加速的张量计算能力，并且支持动态深度神经网络。PyTorch也是一个入门简单，简洁高效的快速框架，对初学者比较友好") 407 | * [Caffe深度学习框架](https://github.com/BVLC/caffe "Caffe是一个以速度、模块化和富有表现力架构著称的深度学习框架。它是由贾扬清在加州大学伯克利分校攻读博士学位期间创建，后来它由 Berkeley AI Research（BAIR）和社区贡献者开发迭代。到目前为止，Caffe已经在视觉，语音和多媒体等诸多领域的学术研究项目和商业应用项目中发挥了巨大作用") 408 | * [OpenNN类库](https://github.com/Artelnics/OpenNN " OpenNN是一个基于 C++语言编写的神经网络机器学习类库。该程序库最大的特点就是高性能（C系语言你懂的！），尤其在执行速度和内存分配方面表现突出。OpenNN项目本身已经包含了用于处理分类、回归、预测、关联分析等常见机器学习解决方案的复杂算法和实用程序") 409 | * [Angel机器学习平台](https://github.com/Angel-ML/angel "Angel项目由腾讯和北京大学联合开发，是一个高性能分布式机器学习平台，其基于来自腾讯的大数据进行了性能调优，具有广泛的适用性和稳定性，尤其在处理高维模型方面具有优势。Angel本身是基于 Java和 Scala开发，并且支持在Yarn和Kubernetes上运行") 410 | * [ H2O机器学习平台](https://github.com/h2oai/h2o-3 "H2O是一个开源的分布式、可扩展的机器学习平台。H2O兼容 R， Python， Scala， Java等多种编程语言，并且可以和当下火热的诸如Hadoop，Spark等大数据技术协同工作。H2O提供了多种流行算法的实现，比如：K均值、PCA、随机森林、深度神经网络、词向量、广义线性模型（即逻辑回归，弹性网络）等等") 411 | * [深度有趣 - 人工智能实战项目合集](https://github.com/stevenli91748/DeepInterests) 412 | 413 | 414 | # 有用的参考 415 | * [人工智能的历史与未来，主要划分为了哪三个阶段](https://geek.csdn.net/6588ee8e28cf1d21b51fbfaa.html?dp_token=eyJ0eXAiOiJKV1QiLCJhbGciOiJIUzI1NiJ9.eyJpZCI6ODA0Nzg1MywiZXhwIjoxNzQxMTU3NjQ2LCJpYXQiOjE3NDA1NTI4NDYsInVzZXJuYW1lIjoid2VpeGluXzQyMjc3MTg3In0.IYoX4aA5WjyMNnHZ4ZpOJUcM78TpdLsJUloo3dzVlPI&spm=1001.2101.3001.6650.18&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Eactivity-18-87891394-blog-144274537.235%5Ev43%5Epc_blog_bottom_relevance_base5&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Eactivity-18-87891394-blog-144274537.235%5Ev43%5Epc_blog_bottom_relevance_base5&utm_relevant_index=22) 416 | * [WebRTC开发者社区---为开发者提供最新最全的WebRTC资料](https://webrtc.ren/catalog?id=1) 417 | * [重磅 | 完备的 AI 学习路线，最详细的资源整理！](https://mp.weixin.qq.com/s/y8LoEVAB0lzBJ3JkVHnZlw) 418 | * [如何用3个月零基础入门「机器学习」](https://zhuanlan.zhihu.com/p/29704017?utm_source=wechat_session&utm_medium=social&utm_oi=991812777480134656) 419 | * [预测：2019将爆发的10项人工智能技术！](https://cloud.tencent.com/info/ed89ca2a73faade09405c4307f1b9589.html) 420 | * [全年盘点：2018年最炙手可热的10家人工智能和机器学习初创公司](https://cloud.tencent.com/info/156dcb127075c7e5c0a14384c1164f97.html) 421 | * [Gartner预测：2019年七大AI科技趋势，百万行业将颠覆！](https://cloud.tencent.com/info/527858c7004eebecd88faa053c39b823.html) 422 | * [人脸核身技术原理、架构与开发](https://cloud.tencent.com/info/448a8e0bbe2d3372142cf7703bbfb257.html) 423 | * [人工智能的图像识别过程阐述](https://cloud.tencent.com/info/48b24ab3e0a4ce82d54aca29a6e5cce0.html) 424 | * [美国科学家提出AGI概念，将在未来取代AI人工智能！](https://cloud.tencent.com/info/a494f3dca763bd261ed0a4b89751fd9e.html) 425 | * [史上最全的TENSORFLOW学习资源汇总](http://www.tensorflownews.com/2018/04/10/tensorflowdatasets/) 426 | * [BAT机器学习面试1000题系列（第1~305题）](https://blog.csdn.net/v_july_v/article/details/78121924) 427 | * [字节跳动技术大神亲授内部音视频开发笔记](https://blog.csdn.net/bugyinyin/article/details/115008136?utm_medium=distribute.pc_category.none-task-blog-hot-4.nonecase&dist_request_id=1328270.296.16163681606507485&depth_1-utm_source=distribute.pc_category.none-task-blog-hot-4.nonecase) 428 | * [功能性AI术语表](file:///L:/%E3%80%90AI%E3%80%91%20%20%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/@%E9%82%A3%E4%BA%9B%E6%83%B3%E8%A6%81%E8%BD%AC%E8%A1%8CAI%E7%9A%84%E4%BA%BA%EF%BC%9A%E9%80%81%E4%BD%A0%E4%B8%80%E4%BB%BD%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%85%A5%E9%97%A8%E6%8C%87%E5%8D%97.html) 429 | -------------------------------------------------------------------------------- /向量数据库/README.md: -------------------------------------------------------------------------------- 1 | * [从知识库构建到向量数据库选型](https://zhuanlan.zhihu.com/p/25172238481) 2 | -------------------------------------------------------------------------------- /多模态学习/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * 多模态学习---整合图像、文本、音频等多种模态数据进行学习，提升模型理解与处理能力，应用于智能客服，结合文本与语音交互，提供更便捷服务；用于智能驾驶，融合视觉与雷达数据，提升驾驶安全性 3 | -------------------------------------------------------------------------------- /强化学习/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * AI Agent---智能体与环境交互，依据奖励信号学习最优策略，如AlphaGo通过与环境（棋局）交互提升棋艺,用于机器人控制，实现路径规划、物体抓取等复杂任务；应用于游戏领域，如AlphaGo下棋展现高超智能。在AIGC内容生成中，通过强化学习使生成模型与环境（如用户反馈）交互，优化生成策略 3 | * 基于人类反馈的强化学习(Reinforcement LearningFrom Human Feedback，RLHF)的技术，以使你的多模态生成式AI模型有用、诚实、无害(Helpful, Honest, and Harmless，HHH)。RLHF是更广泛的研究领域——负责任的AI的一个关键组成部分 4 | -------------------------------------------------------------------------------- /推荐系统学习路径.png: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/stevenli91748/AI/44c4933ad0f26c988089c6b131da5ad33ad4b8e9/推荐系统学习路径.png -------------------------------------------------------------------------------- /数据分析学习路径.png: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/stevenli91748/AI/44c4933ad0f26c988089c6b131da5ad33ad4b8e9/数据分析学习路径.png -------------------------------------------------------------------------------- /机器学习/README.md: -------------------------------------------------------------------------------- 1 | 2 | 3 | # 4 | [机器学习速成课程---google教程](https://developers.google.com/machine-learning/crash-course?hl=zh-cn)| 5 | ---| 6 | 7 | # 视频 8 | 9 | * [唐宇迪人工智能开发工程师：机器学习算法详解](https://edu.51cto.com/course/15009.html) 10 | * [machine-learning-yearning](https://github.com/ajaymache/machine-learning-yearning/blob/master/full%20book/machine-learning-yearning.pdf) 11 | 12 | # 机器学习例子项目 13 | * [机器学习例子项目](https://simplelearn.tw/category/%e6%a9%9f%e5%99%a8%e5%ad%b8%e7%bf%92/) 14 | 15 | 16 | # 目录 17 | 18 | * 机器学习 19 | * 监督学习---- 20 | * 分类算法---依据已标注数据将新数据归入不同类别，决策树、SVM等是常用算法，用于垃圾邮件过滤，精准区分正常与垃圾邮件；助力疾病诊断，依据症状等判断病症 21 | * 回归算法---预测连续数值，借助线性回归、决策树回归等构建自变量与因变量关系模型，实现房价预测，综合多种因素预估房价；进行股票价格预测，为投资提供参考。在AIGC方面，可对生成内容如图片、文本质量分类评估，优化生成模型 22 | * 无监督学习 23 | * 聚类算法：把数据划分成不同簇，使簇内数据相似性高，K - means是经典算法，应用于市场细分，按消费者特征划分群体；用于图像分割，分离不同区域 24 | * 降维算法：在保留关键信息前提下降低数据维度，PCA常用于图像压缩等，实现数据可视化，以直观形式展示高维数据；用于生物信息学数据处理，简化基因数据等。在AIGC图像生成中，聚类算法助力分析特征生成多样图像，降维算法减少训练数据维度，提升效率 25 | -------------------------------------------------------------------------------- /深度学习/README.md: -------------------------------------------------------------------------------- 1 | 2 | # 深度学习路线图 3 | * [唐宇迪---深度学习路线图](https://www.bilibili.com/video/BV1wh9dYBEbM?spm_id_from=333.788.player.switch&vd_source=2e815885181376606e6c241ba03c8907&p=2) 4 | 5 | # 目录 6 | * 深度学习 7 | * 神经网络架构 8 | * 多层感知机（MLP）：基础前馈神经网络，通过层间全连接学习复杂非线性关系，用于图像、语音任务 ，实现手写数字识别，精准分类手写数字；用于语音识别特征提取，助力语音内容理解 9 | * 卷积神经网络（CNN）：针对网格结构数据，利用卷积、池化操作提取特征，应用于计算机视觉领域，应用于人脸识别，实现身份认证；用于视频监控目标检测，保障公共安全 10 | * 循环神经网络（RNN）及变体：擅长处理序列数据，LSTM和GRU解决长序列依赖问题，用于语音、翻译等任务，完成机器翻译，实现语言转换；进行股票市场预测，分析价格走势。LLM基于Transformer架构，Transformer与RNN变体相关，在自然语言生成（AIGC文本方向），如智能写作、对话系统等方面广泛应用 11 | * 深度学习框架 12 | * TensorFlow：灵活性与扩展性强，支持多设备，在工业界广泛应用，用于工业界图像识别、语音识别项目，如智能安防实时监控、智能语音助手交互 13 | * PyTorch：代码简洁，采用动态计算图，受学术界青睐，常用于学术界自然语言处理、计算机视觉研究，助力新算法开发验证。两者为AIGC和LLM模型开发提供基础框架支持 14 | -------------------------------------------------------------------------------- /知识推理/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * 知识推理 3 | * 演绎推理---从一般原理推出特殊情况结论，如三段论保证结论必然性，用于法律推理，依据法律条文推导案件结论；应用于数学证明，严谨论证数学命题。在AIGC涉及逻辑推理的内容生成中，确保内容逻辑严谨 4 | * 归纳推理---从特殊情况归纳出一般规律，结论具有或然性，用于市场调研分析消费者趋势，从个体行为总结普遍规律；应用于科学研究提出假设，基于实验数据归纳理论。为AIGC提供数据驱动的规律总结能力，辅助生成创新性内容 5 | * 不确定性推理---处理具有不确定性的知识，如贝叶斯网络考虑知识概率和不确定性因素，用于医疗诊断风险评估，综合症状概率判断病情；应用于金融风险预测，考量多种不确定因素评估风险。在AIGC生成涉及不确定性场景内容时，如生成风险评估报告，发挥重要作用 6 | * 基于知识图谱的推理---利用知识图谱中实体和关系进行推理，如通过人物关系图谱推理亲属关系，用于智能问答系统回答复杂关系问题，如“某人和某人的复杂亲属关系”；应用于智能推荐系统基于关系推荐，如推荐相关知识内容。结合LLM，使AIGC在处理复杂知识关系问题上更智能 7 | * 可解释人工智能（XAI）---使人工智能模型决策过程和结果可解释，增强模型信任度，用于医疗诊断解释模型诊断依据，帮助医生理解决策；应用于金融风险评估解释风险评估原因，提升决策透明度 8 | -------------------------------------------------------------------------------- /知识表示/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * 知识表示 3 | * 逻辑表示---用逻辑符号和规则表示知识，如一阶谓词逻辑，实现知识精确表达与推理，用于专家系统决策支持，依据逻辑规则提供决策依据；应用于定理证明，严谨推导数学定理。在AIGC知识引导生成中，作为规则约束生成内容 4 | * 语义网络---以节点和边表示概念及关系，直观展示知识结构，便于知识检索与理解，用于知识图谱构建，奠定知识关联基础；应用于智能教育系统，帮助学生理解知识结构。为AIGC提供结构化知识基础，辅助生成关联、逻辑性内容 5 | * 框架表示--- 用框架结构存储知识，包含槽和侧面，描述具有固定结构的知识，用于机器人任务规划，明确任务目标与步骤；应用于产品设计知识表示，记录产品结构与功能。在AIGC相关应用开发中，组织利用特定领域知识 6 | * 知识图谱---以结构化形式描述实体及实体间关系，整合多源知识，用于智能问答、知识推理等领域，用于智能问答系统，准确回答复杂问题；应用于智能推荐系统，基于知识关联推荐产品或内容。为AIGC提供丰富知识来源，提升生成内容准确性和实用性。LLM与知识图谱结合，增强语言理解与生成能力 7 | -------------------------------------------------------------------------------- /联邦学习/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * 联邦学习---在数据不共享前提下，各参与方联合训练模型，保护数据隐私，用于金融机构联合风控模型训练，在保护数据隐私同时提升风控能力；应用于医疗数据隐私保护下的联合研究，促进医疗领域协作 3 | -------------------------------------------------------------------------------- /自然语言处理学习路径.png: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/stevenli91748/AI/44c4933ad0f26c988089c6b131da5ad33ad4b8e9/自然语言处理学习路径.png -------------------------------------------------------------------------------- /自然语言处理（NLP）/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * 自然语言处理（NLP） 3 | * 1 词法分析 4 | * 1.1 分词---将文本按单词或词素划分，中文分词需特定方法，用于搜索引擎查询语句处理，精准匹配搜索结果；助力文本编辑软件实现自动纠错等功能 5 | * 1.2 词性标注---为单词标注词性，辅助理解句子语法结构，应用于机器翻译，提升翻译准确性；用于文本分类，辅助判断文本类别。在AIGC文本生成中，为生成文本提供基础预处理，提升语法准确性 6 | * 2 句法分析---分析句子语法结构，构建句法树，如依存句法分析明确词语间依存关系，用于智能客服系统，准确理解用户问题意图；应用于信息抽取，提取关键信息。在AIGC生成文本时，辅助生成符合语法规则的连贯句子 7 | * 3 语义理解 8 | * 3.1 词向量表示---将单词映射到低维向量空间，捕捉语义相似性，如Word2Vec算法 ，用于文本推荐系统，依据语义相似性推荐相关文本；进行文本相似度计算，衡量文本间关联程度 9 | * 3.2 语义角色标注---确定句子中谓词的语义角色，理解句子深层语义，应用于信息检索，精准理解用户需求；用于文本摘要，提取关键语义信息。为AIGC文本生成提供语义支持，使内容更具逻辑性和准确性。LLM基于语义理解，实现更深入的文本生成与交互 10 | * 4 文本生成 11 | * 4.1 机器翻译---将一种语言文本翻译成另一种语言，基于神经网络方法显著提升质量，服务跨国交流，打破语言障碍；用于文档翻译，提高翻译效率 12 | * 4.2 文本摘要---从长篇文本提取关键信息，生成简短摘要，分抽取式和生成式，应用于新闻媒体，快速提炼新闻要点；用于信息检索，帮助用户快速获取关键信息。这是AIGC在自然语言处理领域典型应用，LLM提升机器翻译和文本摘要质量与效果 13 | -------------------------------------------------------------------------------- /视频处理（VP）/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * 视频处理（VP） 3 | * 1 视频分类 ---判断视频内容所属类别，如电影、新闻、体育等分类，用于视频平台内容分类推荐，提升用户体验；应用于视频监控场景分类，提高监控效率 4 | * 2 视频目标检测与跟踪---识别视频中物体类别并确定位置，跟踪物体运动轨迹，用于智能交通监控，跟踪车辆、行人轨迹；应用于视频分析，理解视频中物体行为 5 | * 3 视频生成---利用人工智能生成视频内容，如动画、虚拟场景视频等，用于影视制作，辅助生成特效、虚拟角色视频；应用于虚拟现实内容创作，生成沉浸式视频场景 6 | -------------------------------------------------------------------------------- /计算机视觉学习路径.png: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/stevenli91748/AI/44c4933ad0f26c988089c6b131da5ad33ad4b8e9/计算机视觉学习路径.png -------------------------------------------------------------------------------- /计算机视觉（CV）/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * 计算机视觉（CV） 3 | * 1 图像分类---判断图像所属类别，CNN是常用模型，应用于图像搜索引擎，快速分类检索图像；用于农业病虫害图像分类，及时防治病虫害。AIGC图像生成后，通过图像分类评估生成图像类别，判断生成效果 4 | * 2 目标检测---识别图像中物体类别并确定其位置，Faster R - CNN等算法实现此功能，用于智能交通系统，检测车辆、行人等目标；应用于工业检测，识别缺陷产品位置。在AIGC生成的图像或视频内容中，检测特定目标物体 5 | * 3 语义分割---标注图像每个像素所属类别，实现图像精细化理解，用于医学图像分析，分割器官组织；应用于遥感图像分析，识别土地利用类型等。AIGC生成的图像可用于语义分割研究，同时语义分割技术辅助AIGC图像生成精细化 6 | -------------------------------------------------------------------------------- /迁移学习/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * 迁移学习---将在一个任务上学到的知识迁移到相关任务，减少训练数据与时间，用于医疗影像分析，借助公开数据集预训练模型，降低特定领域数据需求；应用于自然语言处理跨领域文本分类，提升模型泛化能力 3 | -------------------------------------------------------------------------------- /音频处理（AP）/README.md: -------------------------------------------------------------------------------- 1 | # 目录 2 | * 音频处理（AP） 3 | * 1 音频分类 ---判断音频所属类别，如语音、音乐、环境声音等分类，应用于智能语音助手，识别语音指令类别；用于音频内容审核，过滤不良音频 4 | * 2 语音识别---将语音信号转换为文本，实现人与机器语音交互，用于语音输入设备，如智能音箱、语音输入法；应用于会议记录，自动转录语音内容 5 | * 3 音频生成---利用人工智能生成语音、音乐等音频内容，用于语音合成，实现文本转语音功能；应用于音乐创作，辅助生成旋律、和声等 6 | --------------------------------------------------------------------------------