viveknaskar/everything-ai-ml

解决的问题

为人工智能和机器学习寻找优质、最新的学习材料是巨大的时间消耗。本项目将数百个精心挑选的链接汇集在一处，涵盖从核心 ML 概念和数学基础到高级 GenAI、智能体 AI、MLOps、安全，甚至量子计算等所有内容。它让你免于在数十个网站、博客、课程和 GitHub 仓库中自行搜索的麻烦。

工作原理

本质上，它是一个结构化、可浏览的链接目录。README 本身就是目录，每个部分包含指向文章、课程、视频、论文和工具的链接，每个都有简短描述。随附的网站（README 中有链接）提供相同数据的交互式速查表版本。README 通过命令从中央源文件（website/src/data/resources.ts）自动生成，从而保持网站和 README 之间的内容一致。

适用人群

任何在 AI/ML 领域学习或工作的人——想要结构化路线图的初学者、寻找实用工具和框架文档的开发者、寻找必读论文的研究人员，乃至探索 GenAI 采用的企业领导者。对于寻找速成课程和练习题的教师和面试候选人来说，它也很有用。

亮点

• 涵盖广泛主题：核心概念、构建模块（数学、Python、数据预处理）、多步学习路线图、GenAI 一般和高级主题、提示工程、RAG、微调、框架（LangChain、LangGraph、CrewAI、Google ADK、Agno）、智能体 AI、MLOps/GenAIOps、安全、Google Cloud AI、成本优化、组织采用、量子计算、AI 增强的 SDLC 等。
• 包含交互式可视化（CNN Explainer、Transformer Explainer、MLU-Explain），使抽象概念变得具体。
• 汇集顶级免费资源：Stanford、MIT、Harvard、Google、OpenAI、Anthropic、Hugging Face、DeepLearning.AI、fast.ai 等。
• 精选研究论文和必读博客，便于深入阅读。
• 提供练习题和面试准备资料以测试技能。
• 从中央数据源自动生成，确保网站和 README 保持一致。