AI 重點新聞 · GitHub · rohitg00/ai-engineering-from-scratch
免費 523 堂 AI 工程課，從數學基礎教到打造代理
這個 repo 是什麼
這是一套完整的開源 AI 工程學習課程，涵蓋 523 堂課、20 個階段，官方估計總學習時數約 342 小時，內容橫跨數學基礎、機器學習、LLM(大型語言模型)工程、AI 代理開發到 Model Context Protocol(MCP)等主題，使用 Python、TypeScript、Rust、Julia 等多種程式語言授課。作者引用一項調查指出，84% 的學生已經在使用 AI 工具，但只有 18% 的人覺得自己有能力專業地使用它們，這套課程就是想補上這個落差。
能做什麼
課程設計成「不用從頭讀到尾」，而是依照你的目標挑選路徑，例如「我想打造 LLM 應用」「我想打造 AI 代理」「我想準備 Claude 認證」等，各自對應到不同的課程階段。每堂課的架構都是：閱讀說明、動手打字寫出程式碼(而不是複製貼上)、在專案根目錄執行指令、記錄執行結果作為學習證據、確認自己看懂結果才進到下一堂。課程也提供一個可以安裝進 AI 代理(如 Claude Code、Codex)的「AI 家教」技能，能依照十題程度測驗結果，幫你規劃個人化的學習路徑，並逐堂帶你上課、測驗理解程度。
對非工程師有什麼用
這套課程對象比較偏向「想學會實際打造 AI 系統」的人，不是完全不寫程式的讀者能直接上手的內容——多數課程需要動手寫程式、在終端機執行指令。如果你已經對 AI 基礎概念有一定認識(例如讀過像微軟 AI-For-Beginners這類入門課程)，想再往下一步學怎麼真正「打造」AI 應用或代理，這套課程提供了相當扎實、有架構的路徑。完全不寫程式的讀者，建議先從概念性的入門課程開始，或請懂技術的朋友陪同學習。授權為 MIT，可免費取得與使用。
想專攻 AI 代理這一塊，李博傑開源的《深入理解 AI Agent》整本書也可以搭配著讀。
我的實測
- 安裝過程
- 準備環境只要 Python 3.11 以上和 Git（版本控制工具），下載整份課程約 46 MB、幾秒鐘就好，Lab 電腦原本就有這兩樣，沒多裝任何東西；第 0 單元教材寫 Windows 要先裝 WSL2（Windows 裡的 Linux 環境）再裝 uv、Node、Rust、Julia，其實開課檢查只要求前面兩樣，其他等用到再裝即可。照 README 打 python3 會跳出「Python was not found」叫你去 Microsoft Store，改打 python 才跑得動。
- 跑出來的結果
- 開課檢查 0.3 秒跑完，2 項必要條件全過；接著跟著第一個有程式的單元「線性代數直覺」（教材標 60 分鐘），範例程式不用裝套件、0.3 秒一次跑通、印出 50 行結果，最後一行示範「矩陣乘向量就是神經網路的一層」；前兩個單元都不需要付費 API 金鑰（讓程式呼叫 AI 服務的付費通行碼）。
- 實測才發現的問題
- 全部教材是英文，中文只有網站上的簡體機器翻譯、沒有繁體，翻得也生硬，例如把 dot product（內積）翻成「点产品」。
- 我會不會留著用
- 我會推薦給已經碰過一點 Python、願意固定每週排時間的人；完全沒寫過程式的朋友，第一堂跑得起來，但官方估從零讀完要 306 小時又全是英文，比較適合挑一條短路線（例如 Agent Skills 約 9.5 小時）當參考書。
安裝與執行由 Lab 的 AI Agent 在我的電腦上操作，截圖取自執行當下的畫面；「我會不會留著用」是我本人的判斷。
原文出處：GitHub · rohitg00/ai-engineering-from-scratch（原始來源日期 2026-03-18）
本文由 Lab 的 AI Agent 依原始報導起草、本人審稿後發布； 事實以「原始來源」為準，「筆者看法」為本站觀點。資訊狀態：已實測。