loveunk/deep-learning-llm-agent-notes

プロジェクト名：loveunk/deep-learning-llm-agent-notes

一言で言うと：中国語学習者向けの AI 学習ロードマップで、機械学習、深層学習、大規模言語モデル（LLM）、RAG、Agent、マルチモーダルエンジニアリング実践をカバーし、核心的な目標は「何を最初に学ぶか、どの程度まで学ぶか、実行可能な AI アプリケーションをどう作るか」に答えることです。

核心的な位置づけ：資料の寄せ集めではなく、「最小のクローズドループを先に実行し、問題に応じて理論を補う」という理念で内容を組織し、エンジニアリングのクローズドループ（デプロイ可能、評価可能、エラー特定可能）を強調します。

主な学習ルート：

• 30 日新人ルート：ゼロから Python、sklearn、PyTorch、LLM API を使って基本的なタスクを完了するまで（4 週間に分け、毎週 1 つのテーマ）。
• LLM エンジニアルート：既に基礎がある人向けで、モデル呼び出し、Prompt、Transformer アーキテクチャ、RAG からファインチューニングまで、最終的に「プロンプトのみ / RAG / ファインチューニング / Agent」の適用シーンを判断できるようにします。
• Agent エンジニアリングルート：ツール呼び出し、ワークフロー、メモリ、MCP から本番化（guardrails、tracing、eval）まで、タスク境界、ツール契約、状態遷移、失敗処理の設計を明確にすることを強調します。
• 古典的な深層学習補習ルート：既に LLM を使っているが基礎能力を補いたい人向けで、ニューラルネットワーク、最適化とハイパーパラメータ調整、CNN、RNN、注意力メカニズムをカバーします。

内容構成：リポジトリには数学基礎、Python とデータ処理、機械学習アルゴリズム、深層学習、大規模言語モデルと Agent、マルチモーダル、実践とコンペティションなどのディレクトリが含まれ、各章でクイックモード（15-30 分）とディープモード（1-3 時間）の 2 つの学習方法を提供します。

追加セクション：

• 人気 AI 技術記事の読書：高品質な記事を手動で厳選し、学習テーマにマッピングし、推奨理由と要約を添付します。
• 推奨ツール：Colab、PyTorch、Hugging Face、LangChain などの一般的なツールをリストアップします。

貢献方法：Issue/PR の提出を歓迎し、エラーの修正、最小限の例、記事の要約、評価経験の追加を優先します。

ライセンス：MIT License。