AI Engineering 动手指南

核心信息

以下信息由程序从官方接口读取，不经模型改写。

仓库地址: https://github.com/Ramakm/AI-Engineering
许可证: MIT
语言: Jupyter Notebook
维护方: Ramakm
主页: https://growtechie.substack.com/
核验日期: 2026-10-31

它是什么

项目 README 称,该仓库是成为 AI 工程师的完整动手指南。该仓库旨在帮助你从第一性原理学习 AI、构建真实的神经网络,并端到端地理解现代 LLM 系统。项目 README 称,你会学习数学、PyTorch、深度学习、Transformer、RAG 和 OCR,并有 Jupyter 笔记本在每一步给予引导。

主要能力

数学基础部分包括数学函数、导数、向量与梯度,矩阵运算与线性代数,以及概率与统计。
PyTorch 基础部分包括创建和操作张量,以及矩阵乘法、转置和变形。
神经网络部分包括从零构建神经元、层和网络,归一化技术(RMSNorm),以及优化器(Adam、Muon)和学习率衰减。
Transformers 部分包括注意力与自注意力机制、多头注意力,以及仅解码器的 Transformer 架构。
RAG 部分包括端到端构建 RAG 流水线,索引、检索与分块策略,以及与嵌入模型和向量存储的集成。
OCR 部分包括 OCR 流水线和工具,以及图像预处理和文本提取。

怎么上手

Requirements 部分说明要安装依赖。
用法步骤说明在项目根目录打开 Jupyter。
用法步骤还说明要按顺序学习笔记本。
文件夹指南列出了按顺序浏览该仓库的学习路径。
文件夹指南把基于 FAISS 的 RAG 流水线列为项目,带有可插拔的 LLM 提供方和测试。
文件夹指南还把带有预处理工具和 Render 部署的 OCR 服务列为项目。

摘自 README · bash

pip install -r requirements.txt

摘自 README · bash

   jupyter lab
   # or
   jupyter notebook

适合谁

推荐阅读的书籍未包含在仓库内。YoutubeMCP 需要 Python 3.12 或更高版本以及 uv。Fine-Tuning 文件夹包含 LoRA、QLoRA 和 Unsloth 微调笔记本。

YoutubeMCP 文件夹包含一个用于获取 YouTube 字幕的最小化 MCP 服务器。Brazil-Ecommerce-Data-Analysis 文件夹包含对 Olist 数据集的探索性数据分析。DL 文件夹包含采用生产风格服务方式(FastAPI / Streamlit)的深度学习项目。

该项目采用 MIT 许可证。项目欢迎贡献。

本站已收录的相关工具。

来源

本页内容整理自以下官方来源，点击可核对原文。

GitHub READMEhttps://github.com/Ramakm/AI-Engineering抓取于 2026-10-31

核验日期 · 2026-10-31

本页由 AI 依据上述官方来源整理，并经自动核对，未经本站实测。发现错误？告诉我们。