全部课程，一张学习地图。

面向中小学的人工智能通识课开源课程

学习为 AI 提供清楚的任务、背景、约束和输出要求。

按办公场景学习开源 AI Skill，结合中文教程、starter 与使用路线实践。

连接设计思维、Coze、交互、视觉传达与 AI 图像生成的实践课程和案例。

面向刚接触AI的高校学习者，以办公、编程、创作、数据、学习协作及科研求职等真实场景组织37门课程，支持按兴趣边学边做并带走一个入门作品。

基于李宏毅2024年生成式人工智能导论及2025年机器学习课程整理，涵盖生成式AI概念、提示工程与相关模型知识，提供课程线索和中文PDF学习入口。

Datawhale与浙大智海Mo联合组织的AI通识课程体系，面向不同学科设置零基础和有编程基础两条路线，通过导论、数据、开源工具与实践内容支持高校学习。

从问题洞察与需求发现出发，沿产品概念生成、意象转化和方案深化推进设计实践，帮助学习者围绕真实需求形成可表达的产品与项目方案，适合跨专业参与。

按 AI 使用、应用构建、模型算法与 FDE 组织的培养方案和闯关学习地图。

AI 开发者工具、模型与服务的全景式导航，适合按需查阅与选型。

围绕数学、计算、认知及社会科学组织人工智能基础知识，提供二十九学科的专题导航与学习路径，适合先建立跨学科全景再选择深入方向。

以入门前传、历史演变和形式演绎三部曲探索推理的机制与边界，连接逻辑、信息、复杂度和人工智能，适合从科学思考逐步进入形式化阅读。

通过集体阅读、技术解读与经验分享整理论文学习资源，覆盖自然语言处理、计算机视觉和推荐等方向，适合已有领域基础后选择专题追踪研究进展。

官方仓库描述为空，当前未能取得可核对的README内容，无法确认课程主题、教学范围、章节进度或适用人群；保留仓库原名，等待进一步补充资料后再判断。

官方仓库描述为空，未能读取可核对的README说明，尚无法确定资源具体主题、学习安排、先修门槛或成果目标，保留原仓库名称作为信息待完善的资源入口。

官方描述和 README 只给出智能卡片工坊二点零的名称，尚未说明功能、安装方式或学习内容，因此保留仓库名，供后续确认与其他同名项目的关系。

仓库未提供描述，抓取到的官方 README 内容为空，无法核实项目主题、功能、学习路径或适用对象，因此保留原仓库名，暂不为其推断具体课程与成果。

提供本地优先的桌面科研工作空间，将论文库、PDF 阅读、AI 问答、论文发现与 LaTeX 写作连接起来，适合管理文献、保存批注和辅助完成研究写作。

小程序应用案例，可用于参考产品功能与实现方式。

将文本、网页或 HTML 内容转换成卡片图像，提供安装与使用说明和效果演示，适合体验 AI 辅助内容排版，也可作为内容转换应用的代码参考。

用于简化从 Suno 获取内容的操作，仓库提供在线演示和基于 Next.js 的本地开发启动说明，适合按现有工具用途体验，或参考其网页应用结构。

结合语音识别、大模型和视频画面处理，从原始视频生成带章节、文字与关键图像的结构化笔记或报告，适合课程整理、会议记录和内容素材提取等场景。

面向课程作者与学习者提供 AI 交互式教学引擎，将讲稿转成具有学习路径、练习、提示及掌握度跟踪的课程，适合创建交互内容或参考教育应用实现。

聚合GitHub、公众号、新闻、博客、论文等公开来源，根据关注词去噪排序并生成每日报告，支持可选模型分析、命令行、网页与消息推送，用于技术情报发现。

以 MarsCode 为例，通过代码解读、优化、提问和自测学习一门新语言。

通过 C 语言建立计算机科学与程序设计入门知识。

从基础概念与操作学习容器，为运行 AI 项目和部署应用打基础。

从 Linux 操作环境与基础命令进入文件、权限、Bash 和 Git。

通过循序渐进的产品实践，从原型入门到开发与上线。

通过中文教程学习 Git 版本管理和协作。

从 Go 数据类型、流程、函数到接口、测试与并发的组队学习材料。

面向博客新手，从网页与托管基础开始，学习Node.js和Git环境准备、Hexo搭建、主题配置与Markdown发文，并探索自动化写作工作流。

面向零基础学习者，以简明而系统的Notebook教程建立Python核心编程能力，通过实例和实践支持快速上手项目，适合为数据与人工智能后续学习打基础。

在第一版基础上加入计算机科学与人工智能导向，按安装、数据类型、函数、条件、循环和字符串等主题组织入门教学，帮助初学者准备后续AI学习。

面向初学者讲解开发环境安装、Roo Code 配置与 DeepSeek 接入，通过首个程序建立 AI 辅助开发流程，并进一步介绍提示词定制与 MCP 服务实践。

面向零基础读者，以自然语言与 AI 协作开发为起点，逐步学习从想法、需求到应用实现的实践方法，通过项目建立对程序、工具和全栈开发流程的理解。

从基础数据结构与算法概念出发，结合图示、例子及两百余道经典题目组织学习，并汇总高频面试题与分阶段练习安排，适合系统刷题和技术面试准备。

面向已有Python基础且有办公需求的学习者，以理论和练习介绍文件处理、邮件、Excel、Word、PDF、简单网页采集与钉钉自动化，帮助编写常见办公脚本。

结合《大话数据结构》解读线性表、栈队列、串、树、图、查找和排序，采用 C++、Python 与 Java 重写示例并提供习题，帮助从概念走向结构实现。

基于《大话设计模式》讲解设计原则、常见模式及适用场景，将案例用 Python、Java 和 C++ 等语言重写，适合有代码经验后学习重构与程序组织方法。

以商品入库和查询系统为练手项目，介绍 Django 项目创建、数据表、后台管理、接口、序列化及路由，通过讲解和练习串联基础后端应用的开发过程。

围绕社区学习交流网站二次开发，讲解 REST、OpenAPI、Django 后端和 Vue 前端，通过用户与赛事管理任务串联接口设计、联调及部署流程。

结合时间管理和学习系统项目，讲解 TypeScript、Vue、界面组件与 FastAPI 后端开发，并整理办公自动化教程，适合边运行边理解全栈流程。

汇集多语言编程、数据结构、刷题、Linux、Docker、爬虫和办公自动化等组队学习资料，适合按主题寻找历史练习入口，逐步连接语言基础与工具应用。

配合《算法设计与分析基础》第三版，学习设计策略与典型习题。

以 Excel 进行表格操作与学习，适合办公与数据分析入门。

基于 SQL 基础教材和团队实践，以 MySQL 讲解数据库操作、查询与进阶数据处理，配套章节练习和常见面试题，适合从安装环境开始建立 SQL 实用能力。

系统学习 Matplotlib 绘图，为分析报告与科研图表提供基础。

以实际项目贯穿数据分析流程，通过Notebook任务与参考答案学习数据加载、探索、清洗、重构、可视化、建模和评估，适合将基础操作串成完整分析。

系统学习pandas的数据处理方法，围绕索引、分组、变形、连接、缺失值、文本、分类与时间序列配合练习建立操作能力，适合Python数据分析入门和巩固。

通过理论与Linux实验介绍大数据架构，学习Hadoop、HDFS、HBase、MapReduce、Hive与Spark，配合综合任务理解组件协作及处理流程。

分入门与熟练两个部分讲解 NumPy，涵盖数组创建、统计、形状转换、索引筛选及矩阵运算，以高频接口、原理分析和实例支撑科学计算练习。

面向研究生和科研人员，围绕科研图表选择、美学设计及 Python、R 工具应用组织学习，并以时序、空间和高维数据案例培养分析与科研表达能力。

面向有 Python 和 Pandas 基础的读者，学习 Plotly 交互图表、常用图形与统计可视化，帮助用较少代码表达数据并制作可探索的分析结果。

基于《SQL基础教程》整理 MySQL 环境、查询、排序、聚合与进阶练习，作为早期组队学习笔记帮助理解关系数据库操作，现已指向新的课程仓库。

Datawhale 开源数据标注工具，提供后端启动、网页使用、示例数据和演示教程，适合体验图片及文本标注流程，也可供学习标注应用的实现与部署方式。

以机器学习数学经典教材的中译内容为主体，组织线性代数、解析几何、矩阵分解、微积分、概率统计与优化，帮助读者建立人工智能学习所需的数学基础。

从信号与系统到卷积、傅里叶变换、z 变换及 FIR / IIR 滤波器。

通过Python组织数学建模知识，覆盖方程、微分动力系统、优化规划、图论、群体智能、拟合评价、时间序列与统计学习等主题，适合竞赛准备及建模学习。

面向优化求解器初学者，介绍安装、线性规划、整数规划与混合整数规划的建模求解，补充常见文件格式和日志解读，通过步骤与实例建立基本使用能力。

围绕运筹学与最优化组织学习，涵盖梯度方法、约束优化、线性规划、图论和组合优化等专题，并延伸随机过程与博弈，支持理解算法原理及建模实现。

围绕结构因果模型、图模型、干预与反事实学习因果推断。

围绕 Grokking Deep Learning 的深度学习入门教程。

基于李宏毅2021年机器学习课程并补充其他内容，通过精选知识、详细公式推导与重点解释帮助入门深度学习，配有PDF与相关实践材料供系统学习。

围绕机器学习原理与代码实现提供在线教程入口，README明确树模型与集成学习章节已完成并有配套视频，适合从这一已确认专题开展理论和实现练习。

围绕音乐生成，从数据表示、音频编码器和Music Transformer进入训练与模型部署，结合开源模型源码解读及优化思路，探索音乐和音效融合应用。

通过可运行代码、解释和可视化学习线性回归、逻辑回归、决策树、支持向量机、聚类与贝叶斯分类，适合从 Python 编程过渡到经典机器学习实践。

配合 Bishop 深度学习内容学习理论、方法与概念。

强化学习原理、算法与实践的中文教程（蘑菇书）。

从 sklearn 基础模型进入 Bagging、Boosting、XGBoost、LightGBM、Blending 与 Stacking。

学习推荐系统基础与实践，建立推荐模型和评估思路。

学习图深度学习知识与方法，适合图结构数据与 GNN 方向。

通过Transformer处理音频数据，依次学习数据准备、模型架构、音频分类、语音识别与语音合成，并通过音乐分类器和会议转录等项目练习训练与应用。

凝练串联强化学习核心理论，以Notebook演示和JoyRL框架帮助有基础读者进入代码实践、更多算法与环境，并介绍工程应用中常见的技巧与经验。

通过讲解与项目学习世界模型的状态表示、潜在动力学、架构和规划方法，包含VAE、RSSM与Dreamer等训练实验，并引导诊断、评估和研究现代世界模型。

面向有 Python 和神经网络基础的学习者，从 PyTorch 基本操作进入模型构建与训练流程，结合理论储备、动手练习和实战案例提升深度学习实现能力。

以深度学习理论为主，介绍前馈网络、卷积网络、循环网络、优化、正则化及生成模型，并讨论图像、语音和语言应用，适合补充神经网络的原理框架。

围绕博弈论、单智能体与多智能体强化学习整理概念、算法与挑战。

配合周志华《机器学习》补充重要公式的解析与推导细节，采用本科数学视角帮助阅读西瓜书，适合作为遇到推导困难时查阅的伴读资料。

配合李航《统计学习方法》和《机器学习方法》整理习题解答与 Notebook，辅助理解监督学习、无监督学习及深度学习中的推导和算法，适合边读教材边练习。

汇集概率统计、线性代数、机器学习、数据分析及多类预测竞赛资料，以专题目录连接基础知识与实践案例，适合按任务选用历史组队学习内容。

提供《理解深度学习》的中文视频讲解入口与代码实践说明，从监督学习、浅层网络逐步进入深层神经网络，适合配合原书理解理论与实现。

《人工智能：现代方法》第四版学习笔记，适合配合原书查阅。

配合《动手学深度学习》使用的习题解答资料。

深度学习学习笔记和教程式 Notebook，可按主题查阅。

围绕强化学习导论及配套材料的学习重构，便于理解核心概念。

为《动手学机器学习》提供课后习题参考解答与可运行Notebook，覆盖常见机器学习及神经网络主题，适合先独立练习再查阅，以巩固原书理论与实现。

以《机器学习》西瓜书和南瓜书为参考，将常见算法公式与代码对应，通过线性模型、树模型、支持向量机、聚类及降维等实现和示例加深理解。

基于学习整理，梳理机器学习在网络空间安全中的应用，当前重点是加密流量分类及分析实践，并规划密码、Web、软件安全、入侵检测与模型安全等主题。

收集强化学习、多智能体强化学习及相关应用论文，并整理常见数据集、环境和框架入口，覆盖机器人、博弈、药物发现等方向，适合专题文献检索。

配合《机器学习理论导引》解释概念、补足证明并增加案例，围绕可学性、复杂度、泛化界、稳定性、一致性、收敛率和遗憾界帮助读者理解理论框架。

以几何、能量地形和动力系统视角解释深度学习，围绕参数与表示空间、优化器、推理轨迹及经典算法建立概念联系，适合已有理论基础者拓展理解。

原为李宏毅2017版机器学习课程笔记，当前README说明内容已陈旧并更名重写为leedl-tutorial，适合作为历史入口识别，新学习者宜转到新版教程。

仓库说明定位为强化学习组队学习资料，但当前 README 的主要内容列表尚为空，缺少可核实的课程目录、算法讲解或实验入口，暂保留为待补充的资源索引。

通过已有模型的可视化推理帮助理解算法。

基于PyTorch和Ray的强化学习库，通过配置超参数运行训练与测试，提供模块化算法和环境扩展机制，适合强化学习实验及自定义环境开发的代码工具。

提供轻量的 PyTorch 推荐模型框架，封装多种主流模型与训练组件，支持扩展模型、数据和指标并提供部署能力，适合将推荐算法实验连接到应用原型。

面向不了解大模型机制的初学者，介绍语义压缩、思维链、小样本和元提示词等构建方式，帮助组织任务要求并尝试获得更符合预期的模型输出。

面向有编程基础的非NLP专业学习者，介绍ChatGPT相关原理、使用和应用，重点通过API、示例代码及系统设计实践创造功能，适合大模型应用开发入门。

围绕Jev的状态与类型化问题，学习结构化决策、概率校准、路由与实战配方，通过Notebook扩展到智能家居、模型评测、Agent集成和本地同类模型微调。

筛选翻译并复现吴恩达大模型系列课程，以国内开发者需求重排必修与选修内容，覆盖提示工程、API应用、LangChain、RAG、评估与微调等实践。

面向理工科学习者，以环境准备、模型调用、提示工程和LoRA微调组织实训，结合云端API、本地Transformers及vLLM，帮助从基础认识走向实际运行。

通过中文讲解、图表与Notebook从文本处理逐步搭建GPT类小模型，涵盖预训练和微调，并拓展GLM4、Llama3、RWKV6架构实现，适合理解模型内部机制。

以图像与文本输入、文本输出的生成式视觉语言模型为主线，讲解视觉表示、跨模态连接、数据、微调和评测，并提供推理、应用演示及工具工作流示例。

从 NLP 到 LLM 的算法全栈教程，在线阅读地址

涵盖数据、分词器、Transformer、MoE、分布式训练、推理与对齐，配套渐进代码作业。

通过模型解读深化对 Transformer 结构与机制的理解。

从NLP、Transformer和预训练语言模型出发，系统讲解大模型架构与训练，动手实现LLaMA2并进行预训练和微调，进一步介绍评测、RAG及智能体强化学习。

以Notebook连接模型算法与系统实践，从PyTorch实现进入训练、推理和压缩，延伸至Triton、CUDA及性能优化，通过题目和实验建立工程判断。

围绕人民大学赵鑫团队《大语言模型》组织学习，提供电子教材、课件与代码实践线索，覆盖架构、预训练、微调对齐、使用与评测，适合有深度学习基础者。

围绕 DeepLearning.AI 后训练课程整理中文翻译、知识点与代码，讲解监督微调、直接偏好优化及在线强化学习，帮助衔接模型训练实践。

围绕国内外开源语言与多模态大模型提供环境配置、推理调用、应用部署和高效微调教程，以按模型组织的操作指南帮助读者完成从安装到训练的实践。

面向信号处理、通信或控制背景的工程师，比较传统方法与深度学习、Transformer、大模型及多模态的思想联系，用轻量实验串联表示、优化和生成。

结合大模型公开课程与开源实践，系统整理模型能力、架构、数据、训练、评估及伦理等知识，帮助建立语言模型理论框架并衔接后续部署和微调学习。

面向有深度学习基础的读者，从底层原理和代码实现构建小型大模型世界，覆盖 Transformer、模型预训练、扩散模型、RAG、Agent 与评估等模块。

通过 GRPO、OPD、Search-R1 等方向学习大模型与智能体强化学习。

用简洁代码理解大语言模型从定义、训练到工程落地的端到端过程。

围绕LLaMA相关内容按需更新，强调使用NumPy或无依赖实现帮助理解模型，当前路线图确认了模型介绍与KV Cache，适合专题补充而非完整课程学习。

整理大模型经典论文及解读笔记，计划以TLDR和精读两种层次呈现动机、方法与贡献，涉及微调、上下文学习、提示工程与Agent等，适合研究阅读索引。

CS336 课程、视频与共创入口汇总；适合已有大模型训练基础者拓展。

围绕 DeepSeek 系列论文和技术报告进行系统解读与动手复现，覆盖语言、代码、数学、多模态、推理模型及 MoE 与基础设施，适合带着专题问题深入研究。

当前 README 仍为项目模板，课程内容与进度需进入仓库核对。

官方仓库介绍为空，README目前只有仓库标题，无法确认具体学习主题、内容范围、章节安排或实践目标，保留原名作为待补充信息的资源入口。

通过提示词手册与案例拆解学习 Coze 工作流和个人提效助手。

从数据视角理解 Agent、RAG、记忆与工具；道篇重判断，术篇重代码。

以使用篇、场景实战篇和开发篇组织OpenClaw学习，覆盖安装、渠道配置、Skills与工作流，再到源码拆解和定制助手，适合按使用或开发目标分路进入。

围绕Generic Agent的安装配置、浏览器和聊天平台集成展开，进一步介绍上下文压缩、分层记忆、工具设计与自我进化机制，并结合日常应用案例实践。

面向无编程背景读者，以通俗概念和平台操作介绍大模型交互协议，从MCP理解工具调用，并列出A2A、ANP与AG-UI方向，适合建立协议应用的初步认识。

以一周基础任务安排串联OpenClaw安装、多聊天渠道、工作空间、Skills、定时任务与主动检查，提供配置示例及综合项目，并列出进一步定制和多Agent学习。

从 Docker 和 Dify 环境安装出发，通过助手、工作流与知识库案例进入大模型应用开发，逐步涉及数据库、MCP、深度研究和复杂任务编排。

区分工作流与智能体，并用 LangGraph、Agently 重现翻译工作流。

学习自托管助手部署、飞书接入与配置排错，并阅读数学物理符号推理 Agent 案例。

围绕 DeepLearning.AI 系列课程，学习 Agent Skills 概念、用法与示例代码。

通过 ModelScope Agent、地图 API 与日程规划助手学习智能体原理和应用。

吴恩达 Agentic AI 系列课程的中文翻译、知识整理与示例解读。

围绕语言模型与智能体学习的教程项目。

通过轻量 PocketFlow 框架学习 LLM 应用与智能体开发。

基于CAMEL框架，从环境与API配置、Agent组件逐步进入多智能体应用，包含提示词、工具、记忆和RAG等实践，并提供文档与可执行代码。

系统介绍n8n的部署、界面、触发器、控制流、数据处理与鉴权，延伸到AI工作流、RAG、MCP和自定义节点，通过案例学习自动化集成。

系统讲解智能体概念、经典范式与核心架构，从模型调用和工具使用走向自建框架、上下文、记忆、协议与评估，并通过综合案例练习多智能体开发。

以MetaGPT框架为核心，从环境配置和智能体概念进入角色、动作与协作开发，通过源代码和案例帮助开发者理解多智能体系统并实现个性化能力。

以可测量指标驱动自主研究循环，学习让智能体提出假设、实施修改、评估结果并保留改进，结合Git记录实验，适合探索自动化研究与迭代开发方法。

以本地助手产品为主线，逐步学习AgentScope消息、工具、ReAct循环、工作区、权限和上下文等能力，通过十五章实践理解智能体开发与工程取舍。

围绕企业办公与本地部署场景，从模型接口手写智能体，再通过多种框架构建检索、数据库、搜索及多智能体案例，帮助理解任务执行机制并连接实际应用。

围绕 LangChain / LangGraph 学习复杂任务拆解、工具协作与上下文管理。

讲解从提示词、上下文管理到长时智能体运行架构的演进，结合 miniMaster 实现任务规划、工具协议、工作记忆及验证闭环，面向智能体工程实践。

面向中文用户的OpenClaw实操手册，汇集多种安装方式、初始化配置、模型与聊天平台接入、ClawHub及常见自动化场景，适合按需查阅并跑通助手。

AI Agent 学习路线与资料库收集

汇集共读《MCP极简开发》的学习笔记与项目代码，涉及协议原理、安全、平台、Server开发和智能体场景，配有Python环境及外部API配置说明。

面向智能体的 CLI 注册与索引平台，适合学习工具集成时参考。

用于理解Claw类场景与模块逻辑的轻量AI Agent演示平台，提供本地安装、助手、技能和模型调用示例，覆盖内容生成、数据分析与消息集成等功能。

基于 Gradio 与 Camel-AI 构建面向大学生的心理支持应用，包含角色对话、情绪记录、量表评估与日记等模块，提供配置、启动和部署说明。

通过多智能体流程协作完成资料研究、提纲、写作、代码示例、配图和审阅，提供实时生成与文章管理界面，适合技术内容创作和写作工作流开发参考。

提供模块化数字人和虚拟角色智能体框架，结合模型对话、工具调用、语音识别与合成、角色表情动作及本地记忆，支持网页与桌面交互应用的原型开发。

通过 MCP 为 AI 编程工具提供知识检索、经验沉淀、本地缓存与团队同步。

学习数据处理、切分、检索优化、生成与评估，构建知识问答系统。

以个人知识库助手为主线，从大模型API、文档处理与向量库讲起，使用LangChain搭建RAG检索问答链并部署界面，加入验证迭代方法帮助入门应用开发。

围绕向量检索与检索增强生成组织基础理论、核心技术、实现和应用案例，帮助理解语义检索如何连接知识库与大模型，适合从原理进入问答应用实践。

通过五课主线从手写简化 RAG 起步，逐步处理模型接入、问答引擎、文档管理与流式部署，结合前后端示例帮助读者搭建本地知识库问答应用。

学习向量数据库与检索数据层的原理和实践。

仓库描述定位为信息检索学习资料，但当前 README 仍含模板目录。

继承 Ragas 的大模型应用评估工具，由 Datawhale 维护现有 RAG 指标、测试数据生成和集成能力，适合为检索问答系统建立评估流程及持续反馈。

从Ollama安装配置与模型管理讲起，介绍模型导入、REST API和多语言调用，再结合LangChain、可视化界面、RAG与Agent案例实践本地应用。

学习模型压缩相关概念与方法，面向希望降低模型计算与部署成本的学习者。

围绕AMD ROCm平台组织模型部署、微调训练与GPU编程教程，提供环境安装、工具选择和排障入口，帮助已有模型基础的读者在AMD硬件上构建AI应用。

面向推理部署学习者与算法工程师，结合量化、蒸馏、剪枝、低秩分解及并行并发等主题介绍模型和服务优化，适合建立部署相关理论与实践认识。

用 C++ 学习模型加载、张量、解码、KV 缓存、调度与服务。

解释常见 GGUF 量化格式与代码实现，适合端侧推理与模型量化方向。

以AMD GPU为实验平台，从硬件执行、基准测试和性能分析入手，逐步优化经典算子并探索自动化优化Agent，强调通过测量验证性能变化与工程判断。

从大模型推理机制出发，动手实现 mini-sglang，再进入真实 SGLang 源码阅读和开源贡献，帮助将模型知识连接到推理服务、性能优化与底层工程实践。

围绕《计算机网络》第六版提供辅助复习材料，计划用知识要点与小节结构填空引导回顾，并整理课后习题解析，适合配合原书巩固网络基础。

从Apache Arrow剥离并简化内存池实现，减少相关依赖，提供编译与示例使用方式，既可作为工程依赖，也可供熟悉C++的读者研究内存管理实现。

从Arrow抽离线程池，使用标准库future、optional和promise重构接口，提供编译、任务提交及测试示例，适合工程复用和并发机制学习。

面向 NLP 初学者，覆盖传统自然语言处理与现代大模型。

使用PyTorch线性层逐步实现RNN、LSTM、GRU和带注意力的Seq2Seq，并结合实例说明数据预处理与模型训练，适合补齐传统NLP模型实现基础。

从BERT概念、数据准备和预处理切入，逐步搭建PyTorch模型并训练，结合情感分析下游任务与Transformer结构介绍，适合希望理解模型实现的读者。

面向已有机器学习基础的NLP入门者，以代码和技术演变串联文本表示、序列标注、分类、匹配、生成与阅读理解，帮助建立任务与模型的整体认识。

通过图解理解注意力、Transformer、BERT与GPT，动手实现并应用BERT，再使用Transformers完成分类、序列标注、问答、翻译与摘要等任务。

以 Hugging Face 生态为主线，讲解数据集、预训练模型、参数高效微调、评估和演示工具，通过案例连接模型使用、训练与应用开发。

汇集自然语言处理入门、情感分析、统计方法、知识图谱及新闻分类等历史学习资料，通过专题入口提供不同任务的练习内容，适合按目标选择阅读与复现。

参考冈萨雷斯教材，学习增强、复原、小波、压缩、形态学与分割等传统图像方法。

结合 PyTorch 学习计算机视觉的模型与实践。

从视觉编码和压缩原理出发，介绍变分、对抗、流与扩散模型，再覆盖图片、三维和视频生成编辑，结合示例代码、微调与生态介绍帮助进入视觉生成领域。

以MMDetection为切入口学习环境、数据集、配置、训练和结果测试，配合Notebook、视频及资料导航，帮助读者习惯OpenMMLab文档与实验流程。

围绕 Sora 技术路径组织视频生成学习，讲解扩散模型、Transformer、语音生成、视频描述及压缩等核心环节，并结合开源模型、代码与录播开展实践。

围绕 YOLO 系列模型的结构、改进和发展脉络开展学习，并通过相关工具实践目标检测、分类、分割、姿态与跟踪任务，适合在深度学习基础上深入视觉应用。

汇集图像处理、街景字符识别、地表建筑物分割和缺陷检测等组队学习资料，以多个专题目录提供历史练习入口，适合按具体视觉任务选择案例复习。

当前 README 仍为模板，暂不据仓库名称推断完整课程范围。

使用 Gemini API 和 Firebase 的图像文案应用源代码案例。

通过文字描述匹配视频中的相应片段并辅助剪辑，结合跨模态搜索、向量检索和前后端分离实现，适合体验语义视频检索，或参考完整应用的结构与部署。

以小龟机器狗和图形化编程串联认识、组装、控制与编程体验。

围绕 ESP32-S3 智能小车开展硬件入门，结合语音交互、大模型服务与全向运动控制，提供硬件选型、组装和开发说明，帮助新人完成可交互的机器人原型。

从组装、烧录与校准开始，扩展语音、表情、动作和 MCP。

围绕 ROS2、机械臂描述与可视化、MoveIt 配置保留入门规划与代码。

以 Genesis 仿真为平台，从场景物理、机器人控制和逆运动学进入抓取、演示采集、模仿学习及闭环评估，配套讲义、代码与可运行练习。

从 Python 实践进入 VLA / OpenVLA / SmolVLA 等具身模型与机器人。

围绕Isaac Sim、ROS 2等工具，从仿真环境搭建推进到感知、建图定位、规划控制和智能决策，连接经典机器人技术与大模型方法，强调完整任务闭环。

从相机成像、标定及刚体运动讲起，逐步解释视觉里程计、特征匹配、状态估计、后端优化、回环检测与建图，配套练习代码连接视觉定位系统的各模块。

围绕强化学习、World Model、VLA，连接仿真、感知、规划与控制实践。

梳理连续动作控制中的强化学习、模仿学习与离线强化学习算法，结合扩散模型和机器人策略相关论文建立知识框架，适合已有基础者专题阅读与研究查阅。

基于文心一言与树莓派 Pico 的简易桌面宠物案例。

面向科研写作者，讲解如何把论文逻辑转成结构化绘图提示词，使用AI图像工具完成跨学科插图，并通过矢量化重构、工作流控制和合规检查完善交付。

从CT、MRI等成像原理与数据格式入门，推进到预处理、解析和迭代重建、Notebook案例及深度学习后处理，帮助计算机与生医学习者理解医学影像技术链。

汇总 Python 科学计算常用工具的用法，连接数组运算、符号计算、数值求解、统计分析与绘图，以轻量实践帮助学完基础语法的读者进入数学建模。

围绕国产 GPU 与科研 Agent 开展实践。

围绕二〇二一年 AI Earth 气象海洋预测赛题，讲解气象数据分析和时空序列建模，结合 CNN、LSTM 等方案学习对厄尔尼诺相关指数进行预测。

围绕资料、数据、科学模型与科研 Agent 建立实践流程。

围绕《科研论文配图绘制指南》前三章开展共读，介绍绘图规范、原则、配色及Matplotlib等库基础，并实践直方图和密度图，适合补充科研可视化入门。

提供Datawhale的LaTeX模板入口，可作为文档与学术材料排版时的参考资源；README只有名称和模板定位，未说明具体模板类型、使用流程或教学安排。

面向量化新手，以中文 Notebook 和交互演示讲解行情、收益率、均线策略与回测，再进入波动率、夏普比率、回撤及组合管理，强调边读边跑。

围绕量化金融与 Python 开发，串联策略理念、研究数据、回测和实盘相关工具链，帮助读者建立交易策略研究流程，并通过代码练习连接金融知识与实验。

以企业 Agent 项目理解业务建模、知识工程与交付流程。

理解 FDE 的问题识别、交付、运维与客户价值方法。

从方向、简历、网申与面试到 offer 选择与入职准备的求职资料。

Kaggle 与数据竞赛资讯、分享、案例与竞赛资源索引。

汇集数据挖掘、CV、NLP 和推荐系统的竞赛代码、知识与思路。

机器学习、CV、NLP、推荐与开发方向的面试经验资料。

整理华为OD场景算法题的Python解法，包含题意、样例、思路与模块化代码，按精选100分题、200分题和其他题目分组，适合算法练习与招聘笔试准备。

围绕参与开源提出学习与成长目标，包括理解项目价值、体验团队协作、阅读代码文档、发现能力差距，以及进一步贡献项目、制作产品与求职，适合作为实践导向参考。

汇集机器学习研究仓库的代码发布经验，提供说明文档模板和完整性清单，关注依赖、训练评估脚本、模型与结果复现，适合准备公开论文代码时参考。

当前 README 仅提供项目名称，尚不足以判断课程内容与先修条件。

官方 README 目前仅有仓库名称，没有学习主题、目录、适用人群或使用流程说明，无法确认可供学习的具体内容，暂保留原名供后续人工复核。

仓库未提供项目描述，官方 README 也仅保留名称，尚无可核实的分享主题、学习目录或使用入口，暂作为介绍有限的条目保留，等待项目补充说明。

组织主页、社区参与介绍及相关资料。

Datawhale 高校联盟

datawhale 官网介绍页

Datawhale 开源项目管理委员会（Datawhale Open-source Project Management Committee，简称DOPMC）

基于公开GitHub记录连接Datawhale贡献者、项目、研究方向与时间变化，提供成员检索、项目趋势、协作分析和个人开源报告，是认识社区与参与贡献的入口。

提供 Datawhale 开源项目的仓库介绍框架，预留受众、目录、贡献者、参与方式与许可等栏目，供维护者创建和规范项目文档，不承载具体学科教学。

展示 Datawhale 组队学习活动的课程安排、任务周期与参与规则，并链接不同方向的开源内容，适合查阅历史学习组织方式及定位相应学习资源入口。

官方描述与 README 将其定位为城市活动签到项目，用于社区活动相关的业务场景，当前介绍较短，尚不足以确认完整使用流程或可复用的教学内容。

面向 Datawhale 社区贡献管理，提供鲸币申报、审批、消费和收支明细等业务流程，采用前后端分离技术栈，适合了解社区激励系统而非作为通用课程学习。

记录 Datawhale 的组织架构、职责分工及治理相关工作，涉及项目、社区、产品技术、学习活动和志愿协作，适合了解社区运行机制与参与路径。