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