ai-hands-on

收录理由

想从零学AI，通常要先啃一堆理论，再盼着那些概念能自己串起来。这个仓库里的notebook走的是另一条路：直接上手做。从机器学习背后的数学开始，接着是PyTorch的张量操作、亲手搭神经网络，再一路深入到注意力机制、Transformer、RAG流水线和OCR。每个notebook都设计成可以运行、可以改的样子，所以你能摸到模型内部的运作逻辑，而不只是会调API。新手能顺着一条清晰的路径往前走；已经接触过模型的工程师，也能直接跳到自己缺的那块，比如端到端搭一个RAG流程，或者从头写归一化层和优化器。如果你想知道日常依赖的那些AI系统到底是怎么拼起来的，花一个下午翻翻这里会挺值。