学习资料参考库

书籍A 级

Artificial Intelligence: A Modern Approach

以统一框架组织搜索、知识、推理、规划、学习、智能体和机器人等主题。

挑战英语付费

Stuart Russell / Peter Norvig · AIMA

资料笔记

Transformer Embedding 与序列数据

论文A 级

Attention Is All You Need

提出完全基于注意力机制的 Transformer 架构，并用于序列建模和机器翻译。

挑战英语免费

Vaswani et al. · arXiv / NeurIPS

资料笔记

CQL：Conservative Q-Learning 离线数据分布偏移与外推误差

论文A 级

Conservative Q-Learning for Offline Reinforcement Learning

在 Bellman 误差之外加入保守价值正则，降低固定数据外动作的乐观估计。

挑战英语免费

Kumar et al. · arXiv / NeurIPS

资料笔记

视频课程A 级

CS50’s Introduction to Artificial Intelligence with Python

通过搜索、知识表示、概率、优化、机器学习与语言项目学习 AI 基础。

进阶英语免费7 周

Brian Yu / David J. Malan · Harvard CS50

资料笔记

视频A 级

David Silver Reinforcement Learning Course

沿 MDP、动态规划、价值函数、TD、策略梯度和函数近似讲解经典强化学习。

进阶英语免费10 讲

David Silver · Google DeepMind / YouTube

MDP 与五元组 Policy Gradient

资料笔记

书籍A 级

Deep Learning

系统讲解线性代数、优化、前馈网络、正则化、卷积、序列模型与研究主题。

挑战英语免费

Goodfellow / Bengio / Courville · DeepLearningBook.org

神经网络深度学习正则化优化器与学习率调度

资料笔记

GRPO：Group Relative Policy Optimization PPO、GRPO 与 DPO 的区别

论文A 级

DeepSeekMath: Pushing the Limits of Mathematical Reasoning

介绍 DeepSeekMath 训练流程及以组内相对奖励替代独立 Value Model 的 GRPO。

挑战英语免费

Shao et al. · arXiv

资料笔记

DPO：Direct Preference Optimization Reward Model、RLHF、RLAIF 与 RFT

论文A 级

Direct Preference Optimization

把带参考策略约束的偏好优化转写为直接训练 chosen/rejected 概率差的目标。

挑战英语免费

Rafailov et al. · arXiv / NeurIPS

资料笔记

书籍A 级

Dive into Deep Learning

把数学、图示、文字与可执行代码结合，系统覆盖深度学习基础和现代模型。

进阶英语免费

Zhang / Lipton / Li / Smola · D2L.ai

神经网络卷积神经网络 Transformer

资料笔记

视频课程A 级

Google Machine Learning Crash Course

以短视频、可视化和练习讲解回归、分类、数据、过拟合与神经网络基础。

入门英语免费约 15 小时

Google · Google for Developers

机器学习是什么线性回归分类与回归数值标准化（Z-score）

资料笔记

Q-Learning Deep Q-Network（DQN）Policy Gradient PPO：Proximal Policy Optimization

视频课程A 级

Hugging Face Deep Reinforcement Learning Course

从 Q-Learning、DQN、Policy Gradient 和 Actor-Critic 逐步进入 PPO 与多智能体。

入门英语免费8+ 单元

Hugging Face · Hugging Face

资料笔记

官方文档A 级

Model Context Protocol Introduction

从客户端、服务器、工具、资源和提示等对象解释 MCP 的连接模型。

进阶英语免费

Model Context Protocol · MCP

资料笔记

GitHub 仓库A 级

modelcontextprotocol/servers

MCP 官方参考服务器与 SDK 使用示例，适合学习工具和资源暴露方式。

挑战英语免费

MCP Steering Group · GitHub

仓库信息

展示 MCP 服务器能力和协议用法

主要语言：TypeScript / Python不包含数据集或实验需要额外环境

资料笔记

IQL：Implicit Q-Learning 行为策略约束：在数据支持内改进

论文A 级

Offline Reinforcement Learning with Implicit Q-Learning

通过 expectile value、数据动作 TD 更新和优势加权行为克隆完成隐式策略改进。

挑战英语免费

Kostrikov / Nair / Levine · arXiv

资料笔记

Agent 基本结构 Agent 工作循环 Tools：能力、Schema 与执行边界

官方文档A 级

OpenAI Agents SDK 文档

系统介绍 Agent、工具、Handoff、Guardrail、Session 与追踪等核心组件。

进阶英语免费

OpenAI · OpenAI

资料笔记

Tools：能力、Schema 与执行边界函数工具与参数 Schema 工具调用

官方文档A 级

OpenAI Tools Guide

说明模型如何调用函数、搜索、计算机操作及其他工具，并展示结构化参数。

进阶英语免费

OpenAI · OpenAI Platform

资料笔记

Agent 基本结构 Tools：能力、Schema 与执行边界 Handoff

GitHub 仓库A 级

openai/openai-agents-python

OpenAI Agents SDK 的 Python 源码、文档、示例与集成测试仓库。

挑战英语免费

OpenAI · GitHub

仓库信息

构建和研究多 Agent 工作流

主要语言：Python包含数据集或实验需要额外环境

资料笔记

Deep Q-Network（DQN）Experience Replay 与 Target Network

论文A 级

Playing Atari with Deep Reinforcement Learning

提出使用深度网络、经验回放和目标网络从像素输入学习 Atari 控制策略。

挑战英语免费

Mnih et al. · arXiv

资料笔记

视频课程A 级

Practical Deep Learning for Coders

以项目驱动方式学习视觉、NLP、表格模型、协同过滤和模型部署。

进阶英语免费9 课，每课约 90 分钟

Jeremy Howard · fast.ai

神经网络迁移学习与微调模型保存、加载、推理与部署

资料笔记

PPO：Proximal Policy Optimization Actor-Critic Generalized Advantage Estimation（GAE）

论文A 级

Proximal Policy Optimization Algorithms

提出基于概率比率裁剪的策略优化目标，限制单次更新幅度并复用 rollout。

挑战英语免费

Schulman et al. · arXiv

资料笔记

PyTorch Tensor 与 nn.Module 反向传播可靠训练工程

官方文档A 级

PyTorch Tutorials

从张量、数据加载、自动微分和网络训练逐步进入视觉、NLP、性能与部署。

入门英语免费

PyTorch Contributors · PyTorch

资料笔记

PyTorch Tensor 与 nn.Module 卷积神经网络可靠训练工程

GitHub 仓库A 级

pytorch/examples

提供视觉、文本、强化学习和分布式训练等 PyTorch 参考示例。

进阶英语免费

PyTorch · GitHub

仓库信息

运行和研究常见 PyTorch 模型示例

主要语言：Python包含数据集或实验需要额外环境

资料笔记

强化学习是什么 MDP 与五元组 TD Error、TD(0) 与 n-step

书籍A 级

Reinforcement Learning: An Introduction

从多臂赌博机、MDP、动态规划、蒙特卡洛和 TD 方法建立强化学习理论主线。

进阶英语付费

Richard Sutton / Andrew Barto · MIT Press

资料笔记

数据预处理与泄漏边界模型评估与错误代价特征工程与 Pipeline 数值标准化（Z-score）

代码教程A 级

scikit-learn Examples

按算法和应用组织可运行示例，展示预处理、训练、评估与可视化流程。

进阶英语免费

scikit-learn Contributors · scikit-learn

资料笔记

监督学习无监督学习模型评估与错误代价数值标准化（Z-score）

官方文档A 级

scikit-learn User Guide

覆盖监督学习、无监督学习、预处理、模型选择、评估和常见陷阱。

进阶英语免费

scikit-learn Contributors · scikit-learn

资料笔记

强化学习是什么 Policy Gradient PPO：Proximal Policy Optimization

技术文章A 级

Spinning Up in Deep RL

从术语、数学背景和算法分类进入 VPG、TRPO、PPO、DDPG、TD3 与 SAC。

进阶英语免费

OpenAI · OpenAI

资料笔记

Online Learning 与 Offline RL 离线数据分布偏移与外推误差

GitHub 仓库B 级

Farama-Foundation/Minari

为离线强化学习提供标准化数据集 API、数据集目录和数据收集工具。

进阶英语免费

Farama Foundation · GitHub

仓库信息

加载、创建和管理离线 RL 数据集

主要语言：Python包含数据集或实验需要额外环境

资料笔记

技术文章B 级

Feature Visualization

通过优化输入和可视化神经元响应解释深度网络内部学到的特征。

挑战英语免费

Olah / Mordvintsev / Schubert · Distill

卷积神经网络深度学习模型调试

资料笔记

神经网络 RNN、LSTM 与 GRU 总览 AE、VAE、GAN 与扩散模型

视频课程B 级

MIT Introduction to Deep Learning

以密集讲座和实验介绍神经网络、序列模型、生成模型和深度学习应用。

进阶英语免费年度课程

MIT 6.S191 Team · MIT

资料笔记

机器学习项目生命周期特征工程与 Pipeline 模型评估与错误代价

技术文章B 级

Rules of Machine Learning

从指标、特征、管线和迭代方式总结构建真实机器学习系统的实践原则。

挑战英语免费

Martin Zinkevich · Google for Developers

资料笔记

KNN、贝叶斯与 SVM 对比模型评估与错误代价数据预处理与泄漏边界数值标准化（Z-score）

GitHub 仓库B 级

scikit-learn/scikit-learn

经典机器学习算法、模型选择、预处理和评估工具的核心实现仓库。

挑战英语免费

scikit-learn Contributors · GitHub

仓库信息

研究 scikit-learn 实现和贡献流程

主要语言：Python / Cython包含数据集或实验需要额外环境

资料笔记

视频B 级

StatQuest Machine Learning Videos

用图形和分步推理讲解回归、分类、树模型、聚类、PCA 与评估指标。

入门英语免费系列视频

Josh Starmer · YouTube

线性回归决策树 PCA 主成分分析数值标准化（Z-score）

资料笔记

交互式工具B 级

TensorFlow Playground

在浏览器中调整特征、隐藏层、激活函数和学习率，观察分类边界变化。

入门英语免费

TensorFlow Team · TensorFlow

神经网络激活函数与非线性学习率选择

资料笔记

智能体（Agent）状态空间搜索 MDP 与五元组

视频课程B 级

UC Berkeley CS188 Introduction to AI

覆盖智能体、搜索、博弈、概率推理、MDP、强化学习和机器学习。

挑战英语免费一学期

UC Berkeley EECS · UC Berkeley

资料笔记

数据集B 级

UCI Machine Learning Repository

提供分类、回归、聚类等任务常用的公开数据集和字段说明。

入门英语免费

UC Irvine · UCI

X、y 与数据形状分类与回归机器学习项目生命周期

资料笔记

Deep Q-Network（DQN）PPO：Proximal Policy Optimization Soft Actor-Critic（SAC）

GitHub 仓库B 级

vwxyzjn/cleanrl

以单文件实现和实验报告呈现 DQN、PPO、SAC 等深度强化学习算法。

挑战英语免费

CleanRL Contributors · GitHub

仓库信息

阅读可复现的单文件 RL 算法实现

主要语言：Python包含数据集或实验需要额外环境

资料笔记

外部资料索引

学习资料参考库

只保存简短介绍、关联概念和外部链接，不复制外部文章或课程内容。

37条已核对资料

方向类型难度语言费用推荐等级排序

37 条结果

书籍A 级

An Introduction to Statistical Learning

以较低数学门槛系统讲解回归、分类、重采样、树模型、正则化与无监督学习。

进阶英语免费

James / Witten / Hastie / Tibshirani / Taylor · StatLearning

线性回归逻辑回归决策树

资料笔记

书籍A 级

Artificial Intelligence: A Modern Approach

以统一框架组织搜索、知识、推理、规划、学习、智能体和机器人等主题。

挑战英语付费

Stuart Russell / Peter Norvig · AIMA

资料笔记

Transformer Embedding 与序列数据

论文A 级

Attention Is All You Need

提出完全基于注意力机制的 Transformer 架构，并用于序列建模和机器翻译。

挑战英语免费

Vaswani et al. · arXiv / NeurIPS

资料笔记

CQL：Conservative Q-Learning 离线数据分布偏移与外推误差

论文A 级

Conservative Q-Learning for Offline Reinforcement Learning

在 Bellman 误差之外加入保守价值正则，降低固定数据外动作的乐观估计。

挑战英语免费

Kumar et al. · arXiv / NeurIPS

资料笔记

视频课程A 级

CS50’s Introduction to Artificial Intelligence with Python

通过搜索、知识表示、概率、优化、机器学习与语言项目学习 AI 基础。

进阶英语免费7 周

Brian Yu / David J. Malan · Harvard CS50

资料笔记

视频A 级

David Silver Reinforcement Learning Course

沿 MDP、动态规划、价值函数、TD、策略梯度和函数近似讲解经典强化学习。

进阶英语免费10 讲

David Silver · Google DeepMind / YouTube

MDP 与五元组 Policy Gradient

资料笔记

书籍A 级

Deep Learning

系统讲解线性代数、优化、前馈网络、正则化、卷积、序列模型与研究主题。

挑战英语免费

Goodfellow / Bengio / Courville · DeepLearningBook.org

神经网络深度学习正则化优化器与学习率调度

资料笔记

GRPO：Group Relative Policy Optimization PPO、GRPO 与 DPO 的区别

论文A 级

DeepSeekMath: Pushing the Limits of Mathematical Reasoning

介绍 DeepSeekMath 训练流程及以组内相对奖励替代独立 Value Model 的 GRPO。

挑战英语免费

Shao et al. · arXiv

资料笔记

DPO：Direct Preference Optimization Reward Model、RLHF、RLAIF 与 RFT

论文A 级

Direct Preference Optimization

把带参考策略约束的偏好优化转写为直接训练 chosen/rejected 概率差的目标。

挑战英语免费

Rafailov et al. · arXiv / NeurIPS

资料笔记

书籍A 级

Dive into Deep Learning

把数学、图示、文字与可执行代码结合，系统覆盖深度学习基础和现代模型。

进阶英语免费

Zhang / Lipton / Li / Smola · D2L.ai

神经网络卷积神经网络 Transformer

资料笔记

视频课程A 级

Google Machine Learning Crash Course

以短视频、可视化和练习讲解回归、分类、数据、过拟合与神经网络基础。

入门英语免费约 15 小时

Google · Google for Developers

机器学习是什么线性回归分类与回归数值标准化（Z-score）

资料笔记

Q-Learning Deep Q-Network（DQN）Policy Gradient PPO：Proximal Policy Optimization

视频课程A 级

Hugging Face Deep Reinforcement Learning Course

从 Q-Learning、DQN、Policy Gradient 和 Actor-Critic 逐步进入 PPO 与多智能体。

入门英语免费8+ 单元

Hugging Face · Hugging Face

资料笔记

官方文档A 级

Model Context Protocol Introduction

从客户端、服务器、工具、资源和提示等对象解释 MCP 的连接模型。

进阶英语免费

Model Context Protocol · MCP

资料笔记

GitHub 仓库A 级

modelcontextprotocol/servers

MCP 官方参考服务器与 SDK 使用示例，适合学习工具和资源暴露方式。

挑战英语免费

MCP Steering Group · GitHub

仓库信息

展示 MCP 服务器能力和协议用法

主要语言：TypeScript / Python不包含数据集或实验需要额外环境

资料笔记

IQL：Implicit Q-Learning 行为策略约束：在数据支持内改进

论文A 级

Offline Reinforcement Learning with Implicit Q-Learning

通过 expectile value、数据动作 TD 更新和优势加权行为克隆完成隐式策略改进。

挑战英语免费

Kostrikov / Nair / Levine · arXiv

资料笔记

Agent 基本结构 Agent 工作循环 Tools：能力、Schema 与执行边界

官方文档A 级

OpenAI Agents SDK 文档

系统介绍 Agent、工具、Handoff、Guardrail、Session 与追踪等核心组件。

进阶英语免费

OpenAI · OpenAI

资料笔记

Tools：能力、Schema 与执行边界函数工具与参数 Schema 工具调用

官方文档A 级

OpenAI Tools Guide

说明模型如何调用函数、搜索、计算机操作及其他工具，并展示结构化参数。

进阶英语免费

OpenAI · OpenAI Platform

资料笔记

Agent 基本结构 Tools：能力、Schema 与执行边界 Handoff

GitHub 仓库A 级

openai/openai-agents-python

OpenAI Agents SDK 的 Python 源码、文档、示例与集成测试仓库。

挑战英语免费

OpenAI · GitHub

仓库信息

构建和研究多 Agent 工作流

主要语言：Python包含数据集或实验需要额外环境

资料笔记

Deep Q-Network（DQN）Experience Replay 与 Target Network

论文A 级

Playing Atari with Deep Reinforcement Learning

提出使用深度网络、经验回放和目标网络从像素输入学习 Atari 控制策略。

挑战英语免费

Mnih et al. · arXiv

资料笔记

视频课程A 级

Practical Deep Learning for Coders

以项目驱动方式学习视觉、NLP、表格模型、协同过滤和模型部署。

进阶英语免费9 课，每课约 90 分钟

Jeremy Howard · fast.ai

神经网络迁移学习与微调模型保存、加载、推理与部署

资料笔记

PPO：Proximal Policy Optimization Actor-Critic Generalized Advantage Estimation（GAE）

论文A 级

Proximal Policy Optimization Algorithms

提出基于概率比率裁剪的策略优化目标，限制单次更新幅度并复用 rollout。

挑战英语免费

Schulman et al. · arXiv

资料笔记

PyTorch Tensor 与 nn.Module 反向传播可靠训练工程

官方文档A 级

PyTorch Tutorials

从张量、数据加载、自动微分和网络训练逐步进入视觉、NLP、性能与部署。

入门英语免费

PyTorch Contributors · PyTorch

资料笔记

PyTorch Tensor 与 nn.Module 卷积神经网络可靠训练工程

GitHub 仓库A 级

pytorch/examples

提供视觉、文本、强化学习和分布式训练等 PyTorch 参考示例。

进阶英语免费

PyTorch · GitHub

仓库信息

运行和研究常见 PyTorch 模型示例

主要语言：Python包含数据集或实验需要额外环境

资料笔记

强化学习是什么 MDP 与五元组 TD Error、TD(0) 与 n-step

书籍A 级

Reinforcement Learning: An Introduction

从多臂赌博机、MDP、动态规划、蒙特卡洛和 TD 方法建立强化学习理论主线。

进阶英语付费

Richard Sutton / Andrew Barto · MIT Press

资料笔记

数据预处理与泄漏边界模型评估与错误代价特征工程与 Pipeline 数值标准化（Z-score）

代码教程A 级

scikit-learn Examples

按算法和应用组织可运行示例，展示预处理、训练、评估与可视化流程。

进阶英语免费

scikit-learn Contributors · scikit-learn

资料笔记

监督学习无监督学习模型评估与错误代价数值标准化（Z-score）

官方文档A 级

scikit-learn User Guide

覆盖监督学习、无监督学习、预处理、模型选择、评估和常见陷阱。

进阶英语免费

scikit-learn Contributors · scikit-learn

资料笔记

强化学习是什么 Policy Gradient PPO：Proximal Policy Optimization

技术文章A 级

Spinning Up in Deep RL

从术语、数学背景和算法分类进入 VPG、TRPO、PPO、DDPG、TD3 与 SAC。

进阶英语免费

OpenAI · OpenAI

资料笔记

Online Learning 与 Offline RL 离线数据分布偏移与外推误差

GitHub 仓库B 级

Farama-Foundation/Minari

为离线强化学习提供标准化数据集 API、数据集目录和数据收集工具。

进阶英语免费

Farama Foundation · GitHub

仓库信息

加载、创建和管理离线 RL 数据集

主要语言：Python包含数据集或实验需要额外环境

资料笔记

技术文章B 级

Feature Visualization

通过优化输入和可视化神经元响应解释深度网络内部学到的特征。

挑战英语免费

Olah / Mordvintsev / Schubert · Distill

卷积神经网络深度学习模型调试

资料笔记

神经网络 RNN、LSTM 与 GRU 总览 AE、VAE、GAN 与扩散模型

视频课程B 级

MIT Introduction to Deep Learning

以密集讲座和实验介绍神经网络、序列模型、生成模型和深度学习应用。

进阶英语免费年度课程

MIT 6.S191 Team · MIT

资料笔记

机器学习项目生命周期特征工程与 Pipeline 模型评估与错误代价

技术文章B 级

Rules of Machine Learning

从指标、特征、管线和迭代方式总结构建真实机器学习系统的实践原则。

挑战英语免费

Martin Zinkevich · Google for Developers

资料笔记

KNN、贝叶斯与 SVM 对比模型评估与错误代价数据预处理与泄漏边界数值标准化（Z-score）

GitHub 仓库B 级

scikit-learn/scikit-learn

经典机器学习算法、模型选择、预处理和评估工具的核心实现仓库。

挑战英语免费

scikit-learn Contributors · GitHub

仓库信息

研究 scikit-learn 实现和贡献流程

主要语言：Python / Cython包含数据集或实验需要额外环境

资料笔记

视频B 级

StatQuest Machine Learning Videos

用图形和分步推理讲解回归、分类、树模型、聚类、PCA 与评估指标。

入门英语免费系列视频

Josh Starmer · YouTube

线性回归决策树 PCA 主成分分析数值标准化（Z-score）

资料笔记

交互式工具B 级

TensorFlow Playground

在浏览器中调整特征、隐藏层、激活函数和学习率，观察分类边界变化。

入门英语免费

TensorFlow Team · TensorFlow

神经网络激活函数与非线性学习率选择

资料笔记

智能体（Agent）状态空间搜索 MDP 与五元组

视频课程B 级

UC Berkeley CS188 Introduction to AI

覆盖智能体、搜索、博弈、概率推理、MDP、强化学习和机器学习。

挑战英语免费一学期

UC Berkeley EECS · UC Berkeley

资料笔记

数据集B 级

UCI Machine Learning Repository

提供分类、回归、聚类等任务常用的公开数据集和字段说明。

入门英语免费

UC Irvine · UCI

X、y 与数据形状分类与回归机器学习项目生命周期

资料笔记

Deep Q-Network（DQN）PPO：Proximal Policy Optimization Soft Actor-Critic（SAC）

GitHub 仓库B 级

vwxyzjn/cleanrl

以单文件实现和实验报告呈现 DQN、PPO、SAC 等深度强化学习算法。

挑战英语免费

CleanRL Contributors · GitHub

仓库信息

阅读可复现的单文件 RL 算法实现

主要语言：Python包含数据集或实验需要额外环境

资料笔记