李宏毅生成式 AI 课程，从基础原理到实际应用，系统讲解大语言模型的工作机制和优化方法

吴恩达生成式 AI 讲解，深入浅出地介绍生成式 AI 的基础概念和应用

共 12 章，涵盖了生成式人工智能原理和以你管用程序开发的关键方面。

Andrej Karpathy讲授的人工智能课程，深入讲解大语言模型的核心概念和实现原理

台湾大学李宏毅教授的《机器学习》课程，专注于深度学习，不仅适合作为学习者的第一门机器学习课程，还致力于覆盖机器学习领域内最重要、最先进的技术和概念，提供了一个广阔的学习视角，同时强调应用导向，让学生能够将理论应用于实际问题解决中。李宏毅教授擅长用生动有趣的例子，如增强现实游戏「宝可梦 Go」，来阐释复杂的机器学习理论，使得理论知识变得轻松易懂。通过精心设计的PPT和可视化材料，他的课程不仅提升了学习的趣味性，也极大地提高了教学的效果。

近年来随着人工智能技术的快速发展，将人工智能应用于科学研究（AI for Science， AI4S）极大助力相关领域学科发展。基于此，本门课首先带大家了解AI4S发展历史和深度学习的相关技术。围绕AI4S重点发展方向，依次介绍数据驱动的AI4S算法、机理驱动的AI4S算法、高效率高精度的实验表征技术、AI4S与高性能计算和AI4S生态建设。 本门课除了系统的理论讲解之外，还鼓励“从实践中来到实践中去”的研究方法，为各位同学准备了大量的课程实战案例，欢迎各位同学将理论和实践紧密结合。

本课面向零编程基础的大学生和社会公众，全面讲授Python语言基础，培养学生计算思维的能力，并讲解Python语言中经典的扩展模块，让学生能用Python语言解决各种常见问题。

本课程为上海交通大学人工智能学院的课程，内容涵盖卷积神经网络、自动化机器学习、图神经网络和量子机器学习，并以自动驾驶技术为案例，展示深度学习的实践应用。

为了帮助经济金融管理社科背景的学生更好地去做研究，学习AI基础，本课程从Python零基础学习，爬虫、文本分析、数据可视化等出发，让学生在掌握基础知识的同时逐步深入，更好地理解和应用大语言模型。 本课程特别完善了以下几点： 1. 优化了授课视频画质，音频音质，字幕。 2. 多维地利用大语言模型。 3. 内容分布（机器学习、深度学习）更均衡。 4. 展示大语言模型在实际生活中的应用，帮助学生将知识运用到实际问题中。

本课程主要覆盖了线性回归、支持向量机、集成学习、特征工程、深度学习五类算法。没有聚类等无监督算法，因为这已经在第一代课程中有所涉及。

因果推断，Pearl 以因果图为基础的理论

深度学习的课雨后春笋，层出不穷。这门课的努力方向是尽力开辟出一个精简明确的路径从神经元抵达大语言模型，但不失学术性的严谨与对算法思想的拆解。