rohitg00/ai-engineering-from-scratch

📌 【GitHub 熱門】從零手刻 AI 工程：503 堂課、20 階段免費開源課綱

TL;DR：一套涵蓋四語言、強調從數學手刻演算法的 AI 工程課綱，補足學用落差。

大多數 AI 學習資源像散落一地的拼圖：這裡一篇論文、那裡一篇 fine-tuning 教學、另處一個炫炮 agent 示範。結果是——你部署了聊天機器人，卻說不出它的 loss curve 是怎麼來的；你幫 agent 接了個函式，卻講不清呼叫它的模型裡 attention 在做什麼。

🤔 84% 學生用 AI，卻只有 18% 覺得準備好上戰場

作者指出，現有調查顯示 84% 的學生已經在使用 AI 工具，但僅有 18% 自認能專業地運用。這份課綱正是為了填補這道鴻溝而設計。

🧩 20 階段、503 堂課，從線性代數走到自主 swarm

這個開源專案（rohitg00/ai-engineering-from-scratch）由 Agent Memory 的建立者發起，課程結構如下：

• 規模：20 個 phase、503 堂課，總時數約 320 小時
• 語言：Python、TypeScript、Rust、Julia 四種程式語言並行
• 路徑：一端是線性代數，另一端是 autonomous swarms（自主代理群）
• 理念：每個演算法都先從原始數學建起——backprop、tokenizer、attention、agent loop 都自己刻；等到 PyTorch 出場時，你已經知道它底層在幹嘛

📊 每堂課都產出可重用成品，而非看完就忘

課程採用一致的迴圈：讀問題 → 推導數學 → 寫程式碼 → 跑測試 → 保留 artifact（成品）。

每堂課都會交付一個可重用的 artifact，可能是：

• 一個 prompt
• 一個 skill
• 一個 agent
• 一個 MCP server

作者強調沒有五分鐘短影片、沒有複製貼上部署、沒有手把手帶做；你不是「學」AI，而是端到端、徒手「建」出來。

🎯 實務啟示：從消費者轉為建造者

對工程師而言，這套課綱的價值在於逼迫你從底層理解元件運作邏輯。若你平常只呼叫現成框架，跟著它從 raw math 刻一次 attention 或 tokenizer，能補上「會用但不懂」的缺口；且每課留下來的 artifact 可直接進自己的工具箱。專案採 MIT 授權、免費開源，可作為自學或團隊內訓的主幹材料。

🔗 來源

• 標題：rohitg00/ai-engineering-from-scratch
• 作者／機構：rohitg00
• 連結：https://github.com/rohitg00/ai-engineering-from-scratch

#AI #Engineering #OpenSource #Curriculum #FromScratch #Python #TypeScript #Rust #Julia #MIT