ai-hands-on

这个项目是一份非常实用的AI自学指南，专门为那些想从零开始系统学习人工智能、但又不知道从何下手的人设计的。它提供了一个完整的、动手实践的学习路径，从最基础的数学原理一直延伸到当前最热门的RAG（检索增强生成）和OCR（光学字符识别）技术，让你不仅能看懂理论，还能亲手搭建出真正的神经网络和LLM系统。它解决的核心问题是很多AI学习者面临的“知识碎片化”和“理论与实践脱节”的痛点，通过结构化的Notebook教程，把复杂的AI知识拆解成一步步可操作的代码练习。 技术上，这个项目最大的亮点在于它的“全栈式”覆盖和“从零构建”的教学理念。它没有直接让你调用现成的库，而是从数学基础开始，手把手教你如何用PyTorch创建张量、实现矩阵运算，然后一步步搭建神经元、层、激活函数，甚至包括RMSNorm这样的高级归一化技术和Adam、Muon等优化器。这种“庖丁解牛”的方式能让你真正理解神经网络底层的运作机制，而不是停留在调包侠的层面。此外，项目还深入讲解了Transformer的核心——注意力机制和多头注意力，并覆盖了当下企业级应用广泛使用的RAG架构，让你学完就能直接上手构建知识库问答系统。 这个项目非常适合两类人群：一是刚入门AI、想系统打基础的新手，二是已经有一定编程经验、想从传统开发转向AI方向的工程师。你可以用它来作为学习AI的完整课程，按顺序从数学基础、PyTorch入门，到神经网络、Transformer，最后挑战RAG和OCR实战项目。对于正在准备面试的求职者来说，这些动手Notebook也是绝佳的复习材料，能帮你把理论知识和代码实现对应起来。 上手难度方面，项目设计得非常友好。你只需要具备基础的Python编程知识，以及一点高中数学（微积分、线性代数、概率）的概念即可。每个Notebook都配有清晰的代码和解释，你可以直接在Jupyter环境中运行和修改，边学边练。项目还提供了丰富的文档和社区支持，即使遇到困难也能找到解决方案。总的来说，这是一个值得收藏和长期跟随的优质学习资源，特别是对于那些希望真正理解AI、而不是仅仅会用API的人来说。