从零开始学AI工程
ai-engineering-from-scratch
⭐⭐⭐☆☆ (3/5)
🧩 软硬件结合
已发布
项目简介
Learn it. Build it. Ship it for others.
这是一个从零开始构建完整AI工程能力的系统性课程，而非零散的教程合集。项目直面一个现实痛点：84%的学生已经在使用AI工具，但只有18%的人觉得自己能专业地驾驭它们。这个巨大的信心鸿沟，正是该项目要填补的。
标签
项目特点
**从数学到生产**：线性代数、反向传播、分词器、注意力机制、智能体循环，每个算法都从原始数学开始构建
**485个可复用产出**：每个课程都产出提示词、技能、智能体或MCP服务器，而非仅仅"恭喜你学完了"
**四种编程语言**：Python、TypeScript、Rust、Julia，覆盖AI工程全栈
**20个阶段渐进式学习**：从环境搭建到自主多智能体系统，层层递进
**内置智能体技能**：提供`/find-your-level`水平测试和`/check-understanding`阶段测验
**Build It / Use It 双轨制**：先手写实现算法，再用PyTorch/sklearn等框架运行同一功能
**完全免费开源**：MIT许可证，可在个人笔记本上运行
技术规格
| 课程总数 | |
|---|---|
| 学习阶段 | |
| 预估学习时间 | |
| 编程语言 | |
| 许可证 | |
| 运行环境 | |
| 前置要求 | |
| 产出类型 |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Python 3.x | 1 | — | 必需 |
| Git | 1 | — | 版本控制 |
| Docker | 1 | — | AI容器化 |
| Jupyter Notebook | 1 | — | 交互式开发 |
| GPU驱动/CUDA | 1 | — | 可选，加速训练 |
| 个人电脑 | 1 | — | 可运行所有代码 |
| GPU（可选） | 1 | — | 加速深度学习训练 |
| 云GPU（可选） | 1 | — | 如AWS、GCP、Lambda Labs |
所需工具
| 工具 | 用途 | 是否必需 |
|---|---|---|
| 代码编辑器（VS Code/Cursor等） | 编写和调试代码 | ✅ 是 |
| Python环境 | 运行Python代码 | ✅ 是 |
| Git | 版本控制和协作 | ✅ 是 |
| Docker | AI环境容器化 | ✅ 是 |
| Jupyter Notebook | 交互式数据探索 | ✅ 是 |
| 终端/Shell | 命令行操作 | ✅ 是 |
| GPU（可选） | 加速深度学习训练 | ▢ 推荐 |
| Claude/Cursor/Codex等AI助手 | 使用课程产出的技能 | ▢ 推荐 |
能力画像
记忆与知识检索
3/5
逻辑推演
5/5
表达与交流
2/5
感知与观察
2/5
数理与计算
5/5
动手与操作
4/5
狂热与坚持
5/5
创造与创新
4/5
项目图库
所需技能
🔧 **动手能力**：需要搭建开发环境、配置GPU、使用Docker容器化、调试代码。每个课程都需要手写实现算法并运行测试。
💻 **编程能力**：需要掌握Python编程基础，课程中会用到TypeScript、Rust和Julia。需要理解Git版本控制、命令行操作。
⚡ **电子电路**：不适用。本项目为纯软件AI工程课程，不涉及硬件电路。
适用场景
**AI工程师系统学习**：从数学基础到生产部署的完整AI工程知识体系
**学生职业准备**：弥合课堂学习与专业AI应用之间的差距
**开发者技能提升**：理解AI框架底层原理，不再只是API调用者
**AI工具构建者**：学习如何构建提示词、技能、智能体和MCP服务器
**教育工作者**：作为AI课程设计的参考框架