FIG_000 · 课程体系 v1.0 · 2026 开源 · MIT

AI Engineering
from Scratch

503 节课程。20 个阶段。每个算法都从纯数学开始构建,然后才引入框架。

工作原理

大多数 AI 教材都是碎片化的。一篇论文在这里,一篇微调文章在那里,一个花哨的 Agent 演示在别处。这些碎片很少能拼到一起。你做得出聊天机器人,却解释不了它的损失曲线;你给 Agent 挂了个函数,却说不清调用它的模型里 Attention 在做什么。

这份课程就是那条主线。20 个阶段,503 节课,四种语言:Python、TypeScript、Rust、Julia。一端是线性代数,另一端是自主集群。每个算法都先从纯数学推导开始。Backprop。Tokenizer。Attention。Agent 循环。等 PyTorch 出场时,你已经知道它在底层做了什么。

每节课跑同一个循环:读题,推导数学,写代码,跑测试,留下成果。没有五分钟视频,没有复制粘贴部署,没有手把手教学。免费、开源,在你的笔记本电脑上运行。

当前进度
已完成课程 0 / 0
阶段 0 / 0
语言 4
术语条目 ···
课程体系 · 20 个阶段 · 503 节课
点击阶段展开课程。每节课在数学推导、代码和测试全部完成后发布。
已完成 进行中 计划中
版权声明

本站是基于 AI Engineering from Scratch 项目的中文翻译版本。原项目由 Rohit Ghumare 创建并维护,采用 MIT 开源协议。

全部课程在 GitCode 上。克隆、复刻,按自己的节奏学习。没有付费墙,无需注册。每节课都有可运行的代码,根据概念需要选择 Python、TypeScript、Rust 或 Julia。