系统化进阶机器学习，边写代码边吃透核心原理
ml-retreat 是一个面向中高级机器学习学习者的开源项目，以 Jupyter Notebook 形式呈现一系列深入的主题教程。它旨在填补从入门到进阶之间的空白，帮助用户理解机器学习中的核心概念、算法细节和工程实践。项目内容涵盖模型评估、特征工程、超参数调优、集成方法、深度学习基础等，每个主题都配有可运行的代码示例和详细解释，强调动手实践与理论结合。通过系统化的学习路径，用户能逐步提升解决实际问题的能力，避免停留在调用 API 的浅层理解。项目持续更新，社区贡献活跃，适合希望夯实基础并探索前沿技术的数据科学家和工程师。
⚠ 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克隆项目仓库
把 ml-retreat 仓库完整下载到本地，README 中的笔记与 Notebook 都在仓库内。
git clone https://github.com/hesamsheikh/ml-retreat.git2进入项目目录
切换到克隆下来的目录，后续所有操作用户都在这个目录下进行。
cd ml-retreat3查看主题目录
README 指向 Days 文件夹，里面按天列出了作者覆盖的全部主题，先浏览选择感兴趣的。
ls Days/4打开 Jupyter 环境
README 未提供依赖清单，用你本地已有的 Jupyter 打开 Days 下的 .ipynb 文件即可开始学习。
5阅读配套笔记 PDF
README 的 My Notes 区列出了 LLM from Scratch、LLM Hallucination、GNN、AlphaFold3 等 PDF，位于 assets 目录。
ls assets/能进入 Days 目录看到 .ipynb 文件，并在 Jupyter 中成功打开运行单元，即说明环境可用。
Q：需要安装哪些 Python 依赖？
A：README 未提供 requirements.txt 或安装说明，请在打开具体 Notebook 后，根据其中的 import 语句按需安装对应库。
Q：需要什么 Python 版本？
A：README 未说明版本要求，建议使用较新的 Python 3 版本，遇到语法或库兼容问题再按报错调整。
Q：跑这些 Notebook 需要 GPU 吗？
A：README 未提及硬件要求。内容以概念讲解和代码示例为主，多数主题用普通 CPU 环境即可运行。
Q：怎么快速找到某个主题？
A：README 的 Table of Content 表格按学科列出对应需要查看的 Days 目录，先查表再点进对应天数的 Notebook。
fast.ai、Hands-On ML、d2l-ai
ml-retreat 是学习教育领域的开源项目，由 hesamsheikh 开发，2024 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（2,375）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 2026-09-16。无在线服务，需自行部署，完全免费。
它主要面向的使用场景是：系统学习机器学习进阶知识，提升模型调优和评估能力。同类可对比的替代方案包括 fast.ai、Hands-On ML、d2l-ai。
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···
notebooks
开源
跟着最新视觉模型教程，边看边跑代码，快速上手实战
A collection of tutorials on state-of-the-art computer vision models and techniques.···