viveknaskar/everything-ai-ml

解決する問題

AIと機械学習のための優れた最新の学習教材を見つけることは、大きな時間の浪費です。このプロジェクトは、厳選された数百のリンクを一箇所に集め、コアなMLの概念や数学の基礎から、高度なGenAI、エージェンティックAI、MLOps、セキュリティ、さらには量子コンピューティングまでをカバーしています。数十のウェブサイト、ブログ、コース、GitHubリポジトリを自分で検索する手間から解放してくれます。

仕組み

本質的には、構造化された閲覧可能なリンクディレクトリです。README自体が目次であり、各セクションには記事、コース、動画、論文、ツールへのリンクが含まれ、それぞれに短い説明が付いています。付属のウェブサイト（READMEにリンクあり）は、同じデータのインタラクティブなチートシート版を提供します。READMEは、中央のソースファイル（website/src/data/resources.ts）からコマンドで自動生成されるため、サイトとREADMEの内容は一貫性を保ちます。

対象読者

AI/MLを学んでいる、または働いているすべての人—構造化されたロードマップを求める初心者、実用的なツールやフレームワークのドキュメントを探している開発者、必読の論文を探している研究者、そしてGenAIの導入を検討しているビジネスリーダーまで。また、クラッシュコースや練習問題を探している教育者や面接候補者にも役立ちます。

ハイライト

• 幅広いトピックをカバー：主要な概念、構成要素（数学、Python、データ前処理）、多段階の学習ロードマップ、GenAIの一般および高度なトピック、プロンプトエンジニアリング、RAG、ファインチューニング、フレームワーク（LangChain、LangGraph、CrewAI、Google ADK、Agno）、エージェンティックAI、MLOps/GenAIOps、セキュリティ、Google Cloud AI、コスト最適化、組織の導入、量子コンピューティング、AIを活用したSDLCなど。
• 抽象的な概念を具体的にするインタラクティブなビジュアライゼーション（CNN Explainer、Transformer Explainer、MLU-Explain）を含む。
• 最高級の無料リソースを集約：Stanford、MIT、Harvard、Google、OpenAI、Anthropic、Hugging Face、DeepLearning.AI、fast.aiなど。
• より深く掘り下げるための厳選された研究論文と必読ブログ。
• スキルをテストするための練習問題と面接準備資料を提供。
• 中央のデータソースから自動生成され、サイトとREADMEの同期を保つ。