amitness/learning

这是什么

learning 是一份个人学习日志——作者 (amitness) 为建立扎实的软件工程技能而正在学习的书籍、课程、视频和文章的精选中持续更新的列表。它不是代码库或应用程序，而是一个公开的课程追踪器。

组织方式

README 将一切分为两大类别：

通用技能 — 适用于任何软件角色的“与领域无关、与技术栈无关”的能力。这些分为 12 个类别：
- 系统设计（例如 数据密集型应用系统设计、A/B 测试课程、REST API 设计）
- 数学（统计学、概率论、线性代数——主要是基于 Python 的课程）
- 数据结构与算法（例如 算法图解、Neetcode 课程）
- 数据建模（SQL、NoSQL、数据库设计）
- 设计感（UI/UX 基础、Figma、视觉传达）
- Linux 与命令行（Shell 基础、bash 脚本、环境变量）
- 版本控制（Git、GitHub 协作）
- 测试与性能分析（Python 中的单元测试、模拟、内存分析）
- 技术写作（Google 的技术写作课程、面向开发者的写作）
- 职业发展（简历写作、编码职业手册）
- 编程（Python 惯用法、OOP、包、日期/时间）
- 开发环境（Chrome DevTools、AI 编程代理、VSCode）
专业技能 — 目前只有一个领域：生成式 AI。它本身又分为：
- 自然语言处理（Stanford/CMU 课程、聊天机器人构建、情感分析、机器翻译）
- LLM 理论（从零开始构建 LLM、分词器、位置嵌入、RLHF、Transformer 内部机制）

进度跟踪方式

每个资源行都有一个格式（书籍、Udacity、Datacamp、YouTube 等）、带链接的资源名称、长度（页数、小时数或课程数）以及一个使用以下符号的进度列：

✅ — 已完成
⬜ — 未开始
⌛️ — 进行中（部分完成）
⏳ — 进行中（已开始，例如“1/7”课已完）

有些行显示明确的分数，如“310/489 页”或“36/36”，以表示确切进度。

当前状态

更新频率：每月一次
当前重点：生成式 AI

生成式 AI 部分的大多数资源已标记为完成，而通用技能中的许多资源（尤其是数据建模和一些系统设计项目）仍处于待定状态。

它显示了作者的什么方法

README 链接到一篇关于“掌握相邻学科”的博客文章和 James Clear 关于持续改进的文章，表明作者有意学习自己核心工作周围的话题，而不仅仅是直接相关的。免费大学讲座（MIT、Stanford、CMU）、付费平台（Datacamp、Udacity、Neetcode）和书籍的混合展示了多渠道、自导式的学习策略。

简而言之：这是一位工程师持续教育的透明且组织良好的记录——对于任何在相同领域寻找高质量学习资源的人来说，它都是有价值的参考。