learn-ai

深色模式

learn-ai图解 AI · 一行代码看懂一个概念

从感知机到大模型，用图解 + 可运行代码，把 AI 的核心原理一个一个拆给你看

开始学习
GitHub
🎨

图解优先

每篇文章配有 4-5 张手绘级示意图，先建直觉，再推公式。复杂概念可视化，一看就懂

💻

代码实操

每章附带完整可运行 Python 代码（逐行中文注释）+ 动手练习题，在消费级硬件上就能跑

📐

数学通透

LaTeX 公式推导，从链式法则到 Attention，每一步都有推导过程，不留黑盒

🗺️

体系完整

55 篇文章覆盖 ML 基石 → 经典 ML → 深度学习 → CV → NLP → 强化学习 → 前沿应用 → 算法附录，适合不同学习路径

🇨🇳

中文原创

全部内容用中文撰写，术语保留英文对照，适合中文读者系统学习 AI

🔓

完全开源

MIT 协议，自由使用、修改、分发。欢迎贡献和纠错

📖 学习路线图 ​

🧭 学习路径推荐 ​

不同背景的学习者，建议的学习顺序不同：

路径适用人群推荐顺序
🔵 系统学习AI 零基础，建立完整知识体系阶段一 → 二 → 三 → 四/五/六/七，按序推进
🟡 LLM 重度用户日常用 ChatGPT/Claude，想懂原理s01 → s14-s18(NLP) → s21(RLHF) → s22-s23(多模态/RAG) → s25(安全)
🟢 ML 工程师已会深度学习，补经典 ML 理论阶段二（ml01-ml05 必修）→ 番外（集成树/聚类/降维）→ 附录算法
🟠 开发转 AI有编程基础，缺 ML 理论和 DL 实战阶段一速览 → ml01/04/05 → 阶段三~七全量
🔵 其他行业转行非 CS/数学背景，目标上手+面试s01-s04 直觉→ml01/04/05→s05-s09 入门→s10/s16/s18 项目→s23/s25 加分
🟣 面试冲刺已学过，快速复习高频考点s02-s04 → ml04(SVM) → ml05(树) → s06-s09 → s16 → s18 → s21 → s25
🔴 算法竞赛只关注算法与数据结构直接看附录 algo01 → algo16，其余章节按需查阅

💡 番外篇（集成学习、聚类、降维、蒙特卡洛、HMM、EM、概率图、高斯过程）在阶段二之后，默认折叠。内容独立、互不依赖，可按需跳读。详细路径说明见 README。

🚀 快速开始 ​

bash
# 1. 克隆仓库
git clone https://github.com/DeconBear/learn-ai.git
cd learn-ai

# 2. 安装 Python 依赖
pip install -r requirements.txt

# 3. 运行任意章节的代码
cd s01_ai_overview/code
python demo.py

# 4. 启动文档站点（可选）
npm install
npm run dev

📂 每章结构 ​

sXX_topic/
├── index.md               # 图解正文（核心阅读材料）
├── code-demo.md           # demo.py 保姆级逐段讲解
├── code-exercise.md       # exercise.py 练习指南
├── code/
│   ├── demo.py            # 完整教学代码（中文注释）
│   └── exercise.py        # 动手练习（含 TODO）
└── images/                # 手绘图解

🙏 致谢 ​

受以下优秀项目启发：