以下是一些对您开始学习 AI 很有帮助的资源:
[Deep learning in a nutshell:core concepts](https://developer.nvidia.com/blog/deep-learning-nutshell-core-concepts/):这是Nvidia的四部分系列文章,介绍了2015年实践中的深度学习基础,对于刚开始学习AI的人来说是一个很好的资源。翻译:[深度学习(1)核心概念](https://waytoagi.feishu.cn/wiki/UdLFwdjgPiXm5tkVi0dcfcRMn0f)翻译:[深度学习(2)历史和训练](https://waytoagi.feishu.cn/wiki/QacGwCWxoizfmlkOsKFc0PHQnWb)翻译:[深度学习(3)序列学习](https://waytoagi.feishu.cn/wiki/CHMXwqoEYibzHdkC3QmcXZ53niX)翻译:[深度学习(4)强化学习](https://waytoagi.feishu.cn/wiki/X8WZwBW9jiynLhkGOd2cBB56nMc)[Practical deep learning for coders](https://course.fast.ai/):通过实用的例子和代码,解释了AI基础知识的全面、免费的课程。[Word2vec explained](https://towardsdatascience.com/word2vec-explained-49c52b4ccb71):对嵌入和令牌的简单介绍,它们是LLMs(和所有语言模型)的构建块。翻译:[Word2Vec详解](https://waytoagi.feishu.cn/wiki/PJYJwS9Uei3l8DkOsBocnyvNnud)
作者:[Derrick Harris](https://a16z.com/author/derrick-harris/),[Matt Bornstein](https://a16z.com/author/matt-bornstein/)和[Guido Appenzeller](https://a16z.com/author/guido-appenzeller/)原文地址:https://a16z.com/2023/05/25/ai-canon/译者:通往AGI之路后半部分:[目录:a16z推荐进阶经典](https://ywh1bkansf.feishu.cn/wiki/EXX1w3QyFiBz8fknLFYce7gvnug)人工智能的研究正在以指数级别的速度增长。对于AI专家来说,跟上所有新发布的内容已经非常困难,对于初学者来说更是难上加难。因此,在这篇文章中,我们分享了一份我们信赖的、用于更深入了解现代AI的精选资源列表。我们称之为“AI典藏”,因为这些论文、博客文章、课程和指南在过去几年中对该领域产生了巨大影响。我们首先对Transformer和Latent Diffusion(潜在扩散)模型进行了简单的介绍,这些模型正在推动当前的AI浪潮。接下来,我们深入研究了技术学习资源;构建大型语言模型(LLMs)的实用指南;以及AI市场的分析。最后,我们列出了一份里程碑式研究成果的参考列表,从2017年谷歌发布的“Attention is All You Need”开始——这篇论文向世界介绍了Transformer模型,并开启了生成AI的时代。
[Yes you should understand backprop](https://karpathy.medium.com/yes-you-should-understand-backprop-e2f06eab496b):如果你想理解细节,这是关于反向传播更深入的文章。如果你想了解更多,可以看看[Youtube上的Stanford CS231n讲座](https://www.youtube.com/watch?v=i94OvYb6noo)。翻译:[是的!你应该了解反向传播](https://waytoagi.feishu.cn/wiki/JMQewmoeWidXrXkZzhmcjN1Rn6z)