AI Engineering from Scratch（rohitg00/ai-engineering-from-scratch）是一份大型开源 AI 工程课程，自定位为「学一遍、做一遍、上线给别人用」：503 节课、20 个阶段、约 320 小时，覆盖 Python、TypeScript、Rust、Julia 四种语言。它强调「从原始数学起步」——反向传播、tokenizer、attention、agent loop 等都先用数学推导再手写实现，PyTorch 出场时你已经知道它在做什么；每节课的产物都是可复用 artifact（prompt、skill、agent、MCP server 等）。免费、开源、MIT 许可，约 27,948 stars，主语言 Python，配套站 aiengineeringfromscratch.com。
来源：README.md（标题、How this works、徽章）；GitHub 仓库元数据（stars=27948、language=Python、license=MIT、topics course/tutorial） 查看 GitHub 仓库 →市面 AI 资料多而散——一篇论文、一个微调教程、一个 agent demo——拼不起来；许多学生用 AI 工具却不敢专业上手（README 引 84% 在用、18% 觉得准备好）。本课程以「20 阶段、503 课、四语言、从数学起步、每课交 artifact」的纵深结构去补齐，覆盖从线性代数到自治 swarm，从 LLM from scratch 到 Tools & Protocols（MCP）等，因而 star 极高。需说明：体量极大（约 320 小时）、要真正动手写代码与做数学推导，门槛与时间投入都不低；具体效果取决于自身学习节奏。截至数据采集约 27,948 stars。
来源：README.md（开头数据、How this works、徽章 503 lessons / 20 phases）；GitHub 仓库元数据（stars=27948、pushed_at 2026-06）从数学基础到自治 swarm 与生产工程，结构化覆盖 AI 工程全链路。
来源：README.md（开头数据、The shape of the curriculum）Python、TypeScript、Rust、Julia，按场景选用，便于跨栈理解与实现。
来源：README.md（开头数据）反向传播、tokenizer、attention、agent loop 等都先推导再实现，再接框架。
来源：README.md（How this works）提示词、技能、代理、MCP server 等可复用产物，避免「学完什么也没留下」。
来源：README.md（开头数据、How this works）课程是教学型仓库 + 配套站点：20 个阶段相互堆叠——Phase 0 工具与环境，Phase 1 数学基础，Phase 2 ML，Phase 3 深度学习核心，分流到视觉/NLP/语音音频/RL，再向上到 Transformers→GenAI→LLMs from Scratch→LLM Engineering→Multimodal→Tools & Protocols（含 MCP）→… 每节课都遵循同一闭式循环：读题→推导数学→写代码→跑测试→留下 artifact（可复用提示词/技能/代理/MCP server 等）。强调可在自己的笔记本上跑、不靠五分钟视频、不复制粘贴部署。
来源：README.md（How this works、The shape of the curriculum、ROADMAP.md 链接）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
数学推导（线性代数/微积分/概率等）深度学习框架（PyTorch 等，进阶引入）MCP（Tools & Protocols 阶段）适合想系统、从底层打通 AI 工程全栈的学生与转入 AI 的工程师：通过 20 阶段把数学/经典 ML/深度学习/Transformers/LLM/Agent/工具与协议（含 MCP）串成一条路线，并交付可复用 artifact；也适合做团队培训材料或自学清单。要把它当作一门正式课程，而不是速成手册。
来源：README.md（开头数据、How this works、The shape of the curriculum）本页无版本号；课程为持续更新的开源教材（503 课 / 20 阶段），更新见 GitHub 提交与 ROADMAP.md。仓库最后更新约在 2026 年 6 月初。
来源：README.md（徽章 503 lessons / 20 phases、ROADMAP）；GitHub pushed_atAI Engineering from Scratch 是一份体量极大、结构清晰的开源 AI 工程系统课程：20 阶段、503 课、四语言（Python/TS/Rust/Julia），从线性代数到 agent/MCP，强调「先数学后框架、每课留 artifact」，免费、MIT、笔记本可跑、社区关注度极高，对想系统从底层打通 AI 工程全栈的学习者很对口。要清楚总量约 320 小时、对数学与编码基础有要求、部分细节需结合最新资料、学习效果取决于自律。商业引流低：完全开源免费、无付费课/订阅。
来源：综合 README.md 的课程体量、教学路径与项目性质AI Engineering from Scratch（rohitg00/ai-engineering-from-scratch）是一份大型开源 AI 工程课程，自定位为「学一遍、做一遍、上线给别人用」：503 节课、20 个阶段、约 320 小时，覆盖 Python、TypeScript、Rust、Julia 四种语言。
ai-engineering-from-scratch 的核心功能包括：20 阶段 / 503 课的纵深路线、四语言并重、从数学起步、手写实现、每课交付 artifact。
市面 AI 资料多而散——一篇论文、一个微调教程、一个 agent demo——拼不起来；许多学生用 AI 工具却不敢专业上手（README 引 84% 在用、18% 觉得准备好）。本课程以「20 阶段、503 课、四语言、从数学起步、每课交 artifact」的纵深结构去补齐，覆盖从线性代数到自治 swarm，从 LLM from scratch 到 Tools & Protocols（MCP）等，因而 star 极高。
适合想系统、从底层打通 AI 工程全栈的学生与转入 AI 的工程师：通过 20 阶段把数学/经典 ML/深度学习/Transformers/LLM/Agent/工具与协议（含 MCP）串成一条路线，并交付可复用 artifact；也适合做团队培训材料或自学清单。要把它当作一门正式课程，而不是速成手册。