2026年最值得收藏的AI学习资源ai-engineering-from-scratch：从数学到智能体的全栈课程

2026年最值得收藏的AI学习资源ai-engineering-from-scratch：从数学到智能体的全栈课程

【免费下载链接】ai-engineering-from-scratchLearn it. Build it. Ship it for others.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratch

ai-engineering-from-scratch 是 2026 年最值得收藏的免费 AI 工程学习资源：一套 523 节课、20 个阶段、约 342 小时的完整 AI 学习路径，覆盖从线性代数、机器学习、深度学习，到 LLM 工程、MCP 协议、智能体（Agent）工程与生产部署的全栈知识。全部课程开源免费（MIT 协议），每节课都附带可运行的 Python / TypeScript / Rust / Julia 代码和可交付的实战成果。

为什么这套 AI 学习资源值得收藏？

大多数 AI 教程是碎片化的：一篇论文、一个微调教程、一个 Agent 演示，彼此之间难以衔接——你搭了一个聊天机器人，却解释不了它的损失曲线。这套课程解决的核心痛点正是"从零手写，再谈框架"：

• 523 节课、20 个阶段：从开发环境配置一路到多智能体集群
• 4 种语言实现：Python、TypeScript、Rust、Julia
• 每节课产出可复用成果：一个 Prompt、一个 Skill、一个 Agent 或一个 MCP 服务器
• 免费开源：MIT 协议，30 天内 18 万+ 页面浏览量，11 万+ 读者

核心理念：手写反向传播、Tokenizer、注意力机制和 Agent 循环。一次写透，之后读任何论文都有"落地的代码地基"。

20 个学习阶段全景图：AI 知识体系如何搭建

课程的 20 个阶段层层递进，"数学是地基，智能体与生产系统是屋顶"：

完整课程路线图见 ROADMAP.md，每个阶段的课时和完成状态一目了然。

快速上手：3 步跑通你的第一个 AI 课程

一键克隆仓库（这是上手 AI 学习资源的最快方式）：

git clone https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratch cd ai-engineering-from-scratch

跑通环境自检——预检工具会把"现在需要的"和"以后才需要的"依赖区分开，失败时直接给出修复命令：

python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner

运行第一个数学课——零依赖，直观展示"矩阵乘以向量就是神经网络层的核心运算"：

python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

把终端输出保存下来，就是你的第一个学习证据（Evidence）。

课程是怎么组织的？每节课的六步闭环

每节课独立成文件夹，结构统一，可预测性极高：

phases/<阶段>/<课程>/ ├── code/ 可运行实现（Python/TypeScript/Rust/Julia） ├── docs/en.md 课程讲解 └── outputs/ 本课产出的 Prompt/Skill/Agent/MCP 服务器

每节课遵循同一个学习闭环（见 README.md）：

1. MOTTO：一句话核心思想
2. PROBLEM：一个具体的真实痛点
3. CONCEPT：图示 + 直觉讲解
4. BUILD IT：纯数学手写，不依赖框架
5. USE IT：同一算法用 PyTorch/sklearn 再跑一遍
6. SHIP IT：交付一个可安装的实战工具

这种"先手写再上框架"的 Build/Use 拆分，是这套 AI 学习资源最大的差异点——用 PyTorch 时，你早就知道它底层在干什么。

10 条现成学习路径：不知道从哪学起？

项目内置 10 条 JSON 学习路径（learning-paths/），按职业目标精准导航：

• 从零到智能体：agentic-ai-engineer.json — 工程师具工具调用、记忆、编排、安全与评测的 Agent 系统
• 构建与部署 AI 应用：building-and-deploying-ai-applications.json
• MCP 协议专项：model-context-protocol.json — 17 课覆盖传输、安全、可靠性
• 用编码智能体干活：using-coding-agents.json
• 软件工程基础：software-engineering-fundamentals.json

另外还有 8 问定位测验（find-your-level）：回答几个问题就生成个性化学习计划，自动保存为LEARNING.md。

亮点功能：AI 导师 + 认证备考 + 电子书

🤖 30 秒安装 AI 学习导师

如果你的编码智能体（Claude Code、Codex 等）支持 Skills，一条命令让课程"自己带你学"：

npx skills add rohitg00/ai-engineering-from-scratch

装好后调用start-learning开始定位测验，用/learn每节课交互教学 + 测验，/course-guide精准路由到"注意力机制在哪学"、"损失变 NaN 怎么办"的具体课程。

📜 Claude 认证免费备考

certifications/claude/ 提供四条官方认证路线（Associate/Developer/Architect Foundations 与 Architect Professional）的完整备考材料：蓝图映射课程、可运行实验、诊断测试、毕业设计题和全套模拟考。上手指南见 GETTING_STARTED.md。

📚 20 阶段课程可编译成 6 卷电子书

课程会自动编译为 EPUB/PDF 六卷本：基础卷（数学+ML）、深度学习卷、语言卷（NLP+Transformer）、LLM 卷、智能体卷、生产卷。构建脚本在 scripts/build_book.py，书籍配置见 book/volumes.json。

毕业设计：用 87 个 Capstone 项目检验学习成果

Phase 19 提供 87 个毕业设计项目（phases/19-capstone-projects/），从入门到硬核：

• 终端编码智能体（01）：完整的 coding agent
• 代码库 RAG（02）：检索增强生成实战
• 从零训练 GPT（30-41）：BPE Tokenizer → Transformer → SFT → DPO
• 分布式训练（76-81）：DDP、ZeRO 参数分片、流水线并行
• 安全门控系统（82-87）：越狱分类、注入检测、宪法规则引擎
• 端到端研究 Agent（50-57）：假设生成、文献检索、论文撰写闭环

每个项目都有独立文档和可运行代码，做完就是一个能写进简历的 AI 项目作品集。

常见问题（FAQ）

Q1：完全零基础能学吗？可以。从 Phase 0 的环境配置开始，前 12 节课只要求"会写代码（任何语言，Python 更佳）"。数学从直觉讲起，全部配可运行代码验证。

Q2：课程收费吗？完全免费，MIT 开源协议。认证考试本身有官方报名费，但本仓库的备考课程、实验和模拟考全部免费。

Q3：学完需要多久？官方估算约 342 小时（约 323 小时核心课时 + 项目时间），完全按自己的节奏。想速成的话，10 条学习路径可按目标裁剪出最短路线。

Q4：和看视频学 AI 有什么区别？这里没有"5 分钟视频"和"复制粘贴部署"。每节课要求你阅读 → 手敲代码 → 运行 → 保留证据（命令、输出、产物），只有能解释输出并做出小改动才能进入下一课——确保真学会而不是"看会了"。

总结：2026 年学 AI，收藏这一套就够了

ai-engineering-from-scratch 的价值在于"全"与"实"：

• ✅全：数学 → ML → DL → LLM → 智能体 → 生产部署，20 个阶段一条完整主线
• ✅实：523 节课每节都交付可运行代码 + 可复用工具，学完即作品集
• ✅新：覆盖 MCP 协议、Agent Skills、多模态、对齐安全等 2026 年最前沿方向
• ✅免费：MIT 协议开源，附 12 种语言官网翻译（含简体中文）

无论你是想系统补课的转行者、准备 Claude 认证的开发者，还是追求深度理解的 AI 工程师，这套全栈 AI 学习资源都值得立刻收藏。

【免费下载链接】ai-engineering-from-scratchLearn it. Build it. Ship it for others.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratch