loveunk/deep-learning-llm-agent-notes

项目名称：loveunk/deep-learning-llm-agent-notes

一句话概括：一个面向中文学习者的 AI 学习路线图，覆盖机器学习、深度学习、大语言模型（LLM）、RAG、Agent 和多模态工程实践，核心目标是回答“先学什么、学到什么程度、如何做出可运行的 AI 应用”。

核心定位：不是资料堆砌，而是按“先跑通最小闭环，再按问题补理论”的理念组织内容，强调工程闭环（能部署、能评估、能定位错误）。

主要学习路线：

• 30 天新人路线：从零基础到会用 Python、sklearn、PyTorch 和 LLM API 完成基础任务（分四周，每周一个主题）。
• LLM 工程师路线：面向已有基础者，从模型调用、Prompt、Transformer 架构、RAG 到微调，最终能判断“只提示词 / RAG / 微调 / Agent”的适用场景。
• Agent 工程路线：从工具调用、工作流、记忆、MCP 到生产化（guardrails、tracing、eval），强调把任务边界、工具契约、状态转移和失败处理设计清楚。
• 经典深度学习补课路线：为已在用 LLM 但想补底层能力的人，覆盖神经网络、优化调参、CNN、RNN 和注意力机制。

内容结构：仓库包含数学基础、Python 与数据处理、机器学习算法、深度学习、大语言模型与 Agent、多模态、实践与竞赛等目录，每章提供快速模式（15-30 分钟）和深度模式（1-3 小时）两种学习方式。

额外板块：

• 热门 AI 技术文章阅读：人工精选高质量文章，映射到学习主题，附推荐理由和摘要。
• 推荐工具：列出 Colab、PyTorch、Hugging Face、LangChain 等常用工具。

贡献方式：欢迎提交 Issue/PR，优先修正错误、补充最小示例、文章摘要和评估经验。

许可证：MIT License。