学习与研究综合合集
No Shortcuts：面向数据工程、机器学习、深度学习与 AI 工程的长周期系统化课程
BlueRingsLabs/no-shortcuts · Free Course : Data, Machine Learning, Deep Learning and AI Engineering, the long way round: the math, the code, the systems and the security. 173 lessons, 166 runnable labs, no shortcuts. Free under CC BY-NC 4.0.
ELI5：它是什么，解决什么问题
这是一门覆盖数据、机器学习、深度学习与 AI 工程的免费课程，按基础数学、数据工程、经典机器学习、深度学习、语言模型、AI 工程、强化学习、MLOps 与安全等十个部分组织，共 173 节课和 166 个可运行实验。课程强调从零推导与动手实现，涵盖数据平台、PyTorch 训练、从零构建 GPT、微调与量化、RAG 与 Agent、评测与 LLM 安全，以及生产部署中的追踪、CI/CD、监控与威胁建模，目标是让学习者具备数据工程师、数据科学家、机器学习工程师、深度学习工程师或 AI 工程师岗位所需的实际工作能力。
核心能力与快速开始
★ 67 · Python
- 能做什么
- 提供十个部分、57 个模块、173 节课的系统化学习路径，覆盖数学基础、Python、数据工程（SQL、建模、Spark、编排、流处理、治理）、经典机器学习、PyTorch 深度学习（含 transformer 与小型 GPT）、语言模型预训练/微调/对齐/量化/服务、LLM API 与提示、RAG 与 Agent、MCP、评测与 LLM 安全、强化学习、MLOps 与负责任 AI。每节课包含概念、数学、代码、生产故障场景、练习与原始文献；实验为纯 Python 分单元文件，带断言校验并可由 CI 执行。
- 适用场景
- 适合希望系统补齐数据工程、机器学习、深度学习与 AI 工程能力的学习者，按岗位能力地图（数据工程师、数据科学家、机器学习工程师、深度学习工程师、AI 工程师）规划学习；也适合作为教学或自学课程，通过运行分部分实验和完成四个端到端 capstone 项目来验证技能。
- 项目形态
- 资料合集
- 部署方式
- 未说明
- 主要依赖
- 需要能编程并熟悉终端；高中代数基础，线性代数、微积分、概率统计等由课程第一部分从零讲授。16 GB 内存较舒适，8 GB 可运行几乎所有内容；GPU 在第四部分之前不是必需，每个实验都有 CPU 版本，也可用 Colab 或 Kaggle GPU。实验通过 uv 或 python venv 创建虚拟环境并安装 requirements.txt 依赖后运行。
- 使用限制
- 课程作者估计完整学习约需 1800 小时，完整时间投入约两年（每周 15 小时）或约十一个月（全职）。许可证为 CC BY-NC 4.0，允许复制、分享、翻译、教学和二次创作，但须署名、说明修改且不得用于营利；商业用途需先询问。材料未说明部署条件、硬件扩展或 API 成本。
- 许可证
- NOASSERTION
- 最近推送
- 2026-09-27 06:34
资料检查：2026-10-26 07:00 · 卡片整理：2026-10-26 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
职业应用
程序员
作为程序员系统学习并动手实现数据工程、机器学习、深度学习与 AI 工程的可运行实验，包括 PyTorch 训练、从零构建 GPT、微调与量化、RAG 与 Agent、评测与 LLM 安全，以及生产部署中的追踪、CI/CD、监控与威胁建模。
查看内容依据
课程强调从零推导与动手实现，涵盖数据平台、PyTorch 训练、从零构建 GPT、微调与量化、RAG 与 Agent、评测与 LLM 安全，以及生产部署中的追踪、CI/CD、监控与威胁建模
由 AI 根据来源材料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。