編輯/排版：卒見
要我說，如今最迫不及待的自我提升，就是AI了，自從GPT出現，大家的視線瞬間轉移到大模型上，很多開發人員也需要再一次復習精妙的演算法。事實上，演算法和數據結構早已存在於世界的各個角落，從早期的簡單演算法，到如今精細復雜的演算法，每次一轉變的背後，都擁有者令人驚嘆的演算法思想。本期整理的自我提升網站，與AI息息相關，從了解演算法開始，再到一些簡單的IT、H5教程等，比較適合理科生！
Part. 01
Hackr
一個好用的
編程視訊和教程網站
，你可以在這裏找到關於程式開發、設計和數據科學相關的教程。該網站和各個課程提供商合作，可以給使用者提供高品質的學習課程。
提供Python、JavaScript、人工智慧、數據科學、React、道德黑客等課程 。以及Python、JavaScript、Java、HTML、C++、PHP等計畫。還有編程部落格，以及數據、分析和人工智慧等，教程豐富！
網頁： https://hackr.io
Part. 02
Hello演算法
這是一本開源、免費的，對新手友好的
演算法書籍
，該書采用動畫圖解，結構化地講解數據結構與演算法知識，內容清晰易懂，學習曲線平滑。
數據結構無處不在，社會網路、地鐵路線、樹葉脈絡等，每一次的連線都有它的演算法！該書通動畫圖解，新手很友好；支持互助式學習，可線上討論。你可以透過本書了解演算法原始碼，可一鍵執行， 支持10+程式語言 ，包括Python、C++、Java、C#、Go、Swift、JavaScript、TypeScript、Dart、Rust、C和Zig等語言。
本書旨在 透過清晰易懂的動畫圖解和可執行的程式碼範例 ，讓我們理解演算法和數據結構的核心概念，並能夠透過編程來實作它們。在此基礎上，本書致力於揭示演算法在復雜世界中的生動體現，展現演算法之美。
網頁：
www.hello-algo.com/chapter_hello_algo
Part. 03
簡單教程
IT入門首選，簡單教程是一個關於技術和學習的地方，包含
前端、後端、資料庫等方面的入門教程
。類似菜鳥教程，你可以在這裏交流想法。
該網站提供微信開發學習、移動開發學習、前後端開發學習、Java 技術、.NET 開發、資料庫&緩存學習等。
同時你可以在選單欄中找到論壇、教程、專欄、工具等相關技術和學習內容。
網頁： www.twle.cn
Part. 04
HTML5資源教程
一個分享 HTML5開發資源和開發教程的網站 ，HTML5交流學習平台。
提供包含HTML5套用、HTML5教程、CSS3教程、JQUERY外掛程式、HTML教程、CSS教程等內容學習！
網頁： www.html5tricks.com
Part. 05
How to Learn Robotics
這是一個計畫指南，專為非科班的小夥伴而設計，旨在指導大家 如何學習機器人學 。其中包含了必備知識、入門教材推薦、實踐計畫以及進階方法等內容，可以幫助你逐步成長為一名優秀的機器人工程師。
這是一個簡單的開源計畫，支持隨時修改並送出 Pull Request；有問題也可以提 Issues
GitHub：
https://qiu6401.gitbook.io/how-to-learn-robotics
Part. 06
Learn-Algorithms
C語言演算法和數據結構學習筆記
。這是一個開發小夥伴整理的學習演算法過程的記錄。其中包含學習方法、基本數據結構和演算法等。
GitHub：
https://github.com/nonstriater/Learn-Algorithms
Part. 07
Generative AI for Beginners
一個面向初學者的 生成式人工智慧教程 ，由微軟開源的面向初學者的生成式AI免費課程。
課程共18節，涵蓋了建立生成式AI套用所需要了解的一切，包括生成式AI和LLMs的簡介、提示詞、構建文本生成套用、聊天套用、影像生成套用、向量資料庫等方面的內容。
GitHub：
https://microsoft.github.io/generative-ai-for-beginners
Part. 08
llm-universe
【動手學大模型套用開發】，這是一個
專為小白開發者設計的大模型套用開發教程
。內容涵蓋了大模型的概念介紹、如何呼叫大模型API、知識庫的搭建、構建 RAG（Retrieval-Augmented Generation）套用以及評估方法等內容。
該計畫基於阿裏雲伺服器，結合個人知識庫助手計畫，透過一個課程完成大模型開發的重點入門，主要內容包括：大模型簡介、如何呼叫大模型 API、知識庫搭建、驗證叠代等等！
主頁：
https://datawhalechina.github.io/llm-universe
好了，以上內容大部份都針對初學者，不過沒有耐心也是比較難懂的，有點混亂，如果你下定決心學習AI大模型，可以選擇自己的薄弱處，系統的開始學習！
❶
❷
❸
