边看边练，一步步掌握 AI 工程实战技能
AI-Engineering.academy 是一个专注于应用人工智能教育的开源项目，以 Jupyter Notebook 为载体，通过循序渐进的方式讲解 AI 工程中的核心概念。它旨在帮助学习者从理论走向实践，解决实际工程中遇到的模型部署、性能优化、系统设计等难题。项目内容涵盖从基础算法到高级应用的全链路知识，强调动手实践，每个概念都配有可运行的代码示例和详细解释。其核心能力在于提供结构化的学习路径和高质量的实战案例，使开发者能够快速掌握 AI 工程落地的关键技能。该项目适合希望系统提升 AI 工程能力的学生、研究人员和从业者。
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
—
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1选择学习路径
README 提供 Prompt Engineering、RAG、Fine-tuning、Deployment 四条路径，先按目标选一条再开始。
2克隆仓库
把课程仓库下载到本地，所有 Notebook 与 docs 目录都在其中。
git clone https://github.com/adithya-s-k/AI-Engineering.academy.git3进入项目目录
切换到克隆下来的仓库根目录，后续都在这里操作。
cd AI-Engineering.academy4打开 Jupyter 环境
README 未提供依赖安装命令，请用本地 Jupyter 打开所选路径下的 .ipynb，按需安装代码中引用的包。
5按顺序实践
按模块推荐顺序完成练习，再基于所学自建项目，把概念真正跑通。
能成功加载仓库中的 .ipynb 文件，并顺利运行其中的代码单元，即表示环境就绪。
Q：README 没有依赖安装命令怎么办？
A：该项目以 Jupyter Notebook 为载体，README 未给出统一安装说明，可打开对应 Notebook，按其代码单元中实际 import 的包自行安装。
Q：为什么找不到部署（Deployment）内容？
A：README 中 Deployment 路径明确标注为 Coming Soon，尚未提供内容，可先学习 Prompt Engineering、RAG 与 Fine-tuning。
Q：需要 GPU 吗？
A：README 对硬件未作说明，但 Fine-tuning、量化等主题通常算力要求较高，建议按官网课程说明准备环境。
fast.ai、Full Stack Deep Learning、Made With ML
AI-Engineering.academy 是学习教育领域的开源项目，由 adithya-s-k 开发，2023 年首次发布。
在全站 13,635 个收录项目中，它的 GitHub 星标数（2,381）位列前 30%，在学习教育分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-02-27。MIT许可证，完全免费，无付费版本。从国内网络环境看，可直接访问。
它主要面向的使用场景是：系统学习AI工程基础知识。同类可对比的替代方案包括 fast.ai、Full Stack Deep Learning、Made With ML。
下一篇：ml-retreat
awesome-awesome-ai
开源
一站式导航AI资源，告别收藏夹吃灰
An awesome list for collecting awesome lists related to AI.
machine-learning
开源
免费学AI，从入门到实战，社区共建资源库
Learn AI together, for free. AI learning and teaching resources for everyone.
groundhog
开源
拆解 Cursor 原理，手把手教你造 AI 编程助手
Groundhog's primary purpose is to teach people how Cursor and all these other coding···
learn-from-materials
开源
把PDF和论文变成能做题、能做笔记的学习网页
Turn PDFs, books and papers into interactive learning webpages｜将复杂材料转化为可追···