bishwaghimire/ai-learning-roadmaps

このリポジトリは単一のコースではなく、学習のためのライブラリです。人工知能、機械学習、ディープラーニング、およびLLMsやMLOpsといった関連トピックを学ぶための、厳選された書籍、ビデオプレイリスト、大学のコース、研究論文、ツール、ステップバイステップのロードマップを収集しています。

対象読者： CS専攻の学生、AI愛好家、初心者から上級レベルへのステップアップを目指すプロフェッショナル。

内容：

• ロードマップ — さまざまなパスのための構造化されたガイド：基礎（AI, ML, DL, データサイエンス）、専門分野（コンピュータビジョン, NLP, LLMs, 生成AI, RAG）、本番環境（MLOps）、研究/安全性。
• キャリアトラック — AIエンジニア、データサイエンティスト、MLOpsエンジニア、リサーチサイエンティストなどの役割に向けた推奨学習順序。
• 数学の基礎 — 線形代数、微積分、確率論、統計学、最適化に関するリソース表。それぞれ難易度とリソースタイプ（書籍、コース、ビデオ）を記載。
• プログラミングの基礎 — Python, NumPy, Pandas, Matplotlib, PyTorch/TensorFlowに関する書籍、プレイリスト、大学のコース。
• ツールとフレームワーク — 分類されたリスト（可視化、古典的ML、ディープラーニング、NLP/LLMフレームワーク、ベクトルDB、MLOps、デプロイメント、クラウドプラットフォーム）。
• 研究論文とブログ — 主要な論文（例：Attention Is All You Need, BERT, GPT-3）および公式・コミュニティブログ。
• コミュニティ — 継続的な学習のためのReddit, Discord, Telegramグループ、GitHub Discussions。

使い方：

• 初心者の方へ：AI Roadmapから始め、ML → DL → 専門分野へと進んでください。
• モジュールは「モジュール化されているが相互に関連している」ため、すべてを線形に追う必要はありません。
• ⭐ 星印は、学術界/研究界/産業界で広く使用されている影響力の高いリソースを示しています。

実用的なセットアップ支援：

• 初期のツールリスト：Python 3.10+, VS Code, 仮想環境, notebooks (Google Colab/Jupyter), および必須のPythonライブラリ。

主な特徴：

• 学術界と産業界の両方の関連性を考慮してキュレーション。
• キャリア目標に応じた明確な進捗パス。
• 無料および有料リソースの混合（主に外部へのリンク）。
• 貢献を積極的に歓迎（「Contributions Welcome」バッジ）。