好东西，Elicit发布了一个机器学习必读清单，能够系统地了解机器学习的各个方面，尤其是语言模型。

好东西，Elicit发布了一个机器学习必读清单，能够系统地了解机器学习的各个方面，尤其是语言模型。清单包括下面几个部分：机器学习基础：介绍机器学习从基础到进阶的各种概念，如机器学习入门、深度强化学习和反向传播。Transformer与基础模型：深入探讨了Transformer架构，内容包括视觉引导、实践调查和各种模型的技术报告。训练与微调：介绍了训练和精调语言模型的方法与策略，特别强调了整合人类反馈和零样本学习。推理与运行策略：探讨了在上下文中进行推理、任务分解和工具使用的策略，分析大语言模型如何处理复杂的推理和解决问题的任务。应用领域：课程还涵盖了机器学习在科学、预测和搜索排名等领域的实际应用。机器学习实践：介绍了在实际部署中的洞见及评估语言模型在实际环境中的性能标准。进阶主题：涉及更为专业的主题，如世界模型、因果关系、规划及机器学习中的不确定性。整体观：讨论了AI的扩展、安全性及AI对经济和社会影响的更宽泛话题，为理解机器学习的整体景观提供了全面的视角。这里阅读清单：https://github.com/elicit/machine-learning-list

《机器学习宝典》包含：谷歌机器学习速成课程（招式）+机器学习术语表（口诀）+机器学习规则（心得）+机器学习中的常识性问题（内功）

《机器学习宝典》包含：谷歌机器学习速成课程（招式）+机器学习术语表（口诀）+机器学习规则（心得）+机器学习中的常识性问题（内功）该资源适用于机器学习、深度学习研究人员和爱好者参考！其中《机器学习知识点彩图版.pdf》以生动形象的图片描述机器学习中的知识点。其中《Google机器学习速成课程.pdf》以加利福尼亚房价预测为线索，讲解了机器学习概念、特征工程以及机器学习在现实世界的应用。该课程有对应知识点的习题和解答，你可以随时检测自己的学习效果。其中《机器学习中的常识性问题(最新网页版)》，该文系统性总结了机器学习基础知识。百度网盘#机器学习

吴恩达和OpenAI携手推出了一门免费的Prompt Engineering（提示工程师）课程

吴恩达和OpenAI携手推出了一门免费的PromptEngineering（提示工程师）课程该课程旨在为AI开发者们提供一个全面而深入的学习平台,内容涵盖了如何书写高质量的AI提示词，以及如何利用GPT-3的先进技术开发一个高效、智能的AI聊天机器人。无论你是初学者还是经验丰富的专业人士，该课程都将为你提供一种系统而有效的学习方法。，)来自：雷锋频道：@kejiqu群组：@kejiquchat投稿：@kejiqubot

关于 AI 的顶尖课程（权威且免费，来自吴恩达，coursera，哈佛，斯坦福，谷歌等：

关于AI的顶尖课程（权威且免费，来自吴恩达，coursera，哈佛，斯坦福，谷歌等：ChatGPT开发者提示工程由DeepLearningAI和OpenAI为开发者提供的关于ChatGPTPrompt工程的免费课程。来自@AndrewYNg在这短短的1.5小时课程中，他和@isafulf会教您如何使用大型语言模型(LLM)快速构建应用程序，以及这样做的最佳实践。吴恩达的0基础人工智能入门经典课程面向所有人的AI入门课程，包括非技术人员。还是由吴老师@AndrewYNg和DeepLearningAI在2019年推出，是一个4周的，0基础的系统课程，94万人报名。哈佛CS50使用Python学习AI机器学习的基础知识。为期7周，66万人报名斯坦福CS224N介绍自然语言处理(NLP)及其工作原理。2022年推出，部分课程由克里斯托弗·曼宁老师讲授，斯坦福大学教授、斯坦福自然语言处理组负责人。学习Prompting包含60多个内容模块的提示工程综合课程。带你从初级到高级。机器学习简介Google的免费机器学习入门课程学习AI，通过微软的GitHubCopilot4月25日推出时效性很强为ML新手，使用python语言的工程师准备的LangChain101：Prompts课程您将学习如何：-构建LLMPrompts-构建聊天Prompts-使用Prompts选择器-使用解析器格式化输出

哈佛大学免费机器学习课程，包含四个主题：机器学习基础知识、算法、推荐系统、交叉验证和正则化

哈佛大学免费机器学习课程，包含四个主题：机器学习基础知识、算法、推荐系统、交叉验证和正则化也许最流行的数据科学方法论来自于机器学习。机器学习与其他计算机引导的决策过程的不同之处在于，它利用数据建立预测算法。一些使用机器学习的最流行的产品包括邮政服务实施的手写阅读器、语音识别、电影推荐系统和垃圾邮件检测器。在本课程中，作为数据科学专业证书课程的一部分，你将通过建立一个电影推荐系统来学习流行的机器学习算法，主成分分析，和正则化；学习训练数据，以及如何使用一组数据来发现潜在的预测关系。当你建立电影推荐系统时，你将学习如何使用训练数据训练算法，以便你能预测未来数据集的结果。你还将学习过度训练和避免它的技术，如交叉验证。所有这些技能都是机器学习的基础。#机器学习

研究生机器学习课程-浙江大学

名称：研究生机器学习课程-浙江大学描述：机器学习的原理与应用。主要的范式和技术，包括判别和生成方法，强化学习：线性回归，logistic回归，支持向量机，深网，结构化方法，降维，k-均值，高斯混合，期望最大化，马尔可夫决策过程，Q-学习。应用领域，如自然语言和文本理解、语音识别、计算机视觉、数据挖掘和自适应计算机系统等。链接：https://www.alipan.com/s/CQnZ1tzWsA9大小：NG标签：#学习#知识#课程#资源来自：雷锋版权：频道：@shareAliyun群组：@aliyundriveShare投稿：@aliyun_share_bot