courses（SkalskiP/courses，标题「crème de la crème of AI courses」）是一份人工智能课程与学习资源的精选链接合集，由 Roboflow 的 Piotr Skalski 维护。它把网上分散的 AI 课程整理成一张表格，覆盖生成式 AI、深度学习、NLP、计算机视觉、大语言模型、MLOps、多模态、线性代数等主题，标注格式（YouTube 播放列表/网站/GitHub 仓库）、难度、发布年份、价格（多为免费）与提供方（微软、MIT、斯坦福、CMU、Karpathy、fast.ai 等）。仓库无明示开源许可，约 6,444 stars，并提供英、印地、意、法、印尼多语 README。
来源：README.md（标题、说明、课程表格、多语言链接）；GitHub 仓库元数据（stars=6444、license=None） 查看 GitHub 仓库 →对想入门或跟进 AI 的学习者，痛点是优质课程分散、难辨好坏，而这份清单把名校与知名讲者的免费课程汇成一表并标注难度/年份/格式，省去筛选成本，加上维护者在 CV 社区有影响力，因而被广泛收藏。需注意：表格内容由贡献自动生成、收录以 2023 年前后课程为主，仓库最后更新约在 2024 年 4 月，较新课程可能未覆盖；本质是链接清单而非课程本身。截至数据采集约 6,444 stars。
来源：README.md（说明、课程表格）；GitHub 仓库元数据（stars=6444、pushed_at 2024-04）把生成式 AI、深度学习、NLP、CV、LLM、MLOps、多模态、数学等主题的优质课程汇成一表，多为免费。
来源：README.md（课程表格、主题）每条课程标注格式（视频/网站/仓库）、难度（三档色块）、发布年份、价格与提供方，方便按需挑选。
来源：README.md（表格列结构）表格由贡献数据脚本自动生成（提示勿手工编辑），并提供英、印地、意、法、印尼多语 README。
来源：README.md（自动生成标记、多语言链接、CONTRIBUTING 提示）仓库核心是 README 中一张自动生成的课程表格（列：主题、格式、难度、发布年份、价格、课程链接与提供方），表格区块带「请勿手工编辑、改动见 CONTRIBUTING」的标记，意味着有脚本依据贡献数据重建表格。除主 README 外，还有 README.hi/it/fr/id 等多语言版本。它是一个以 Markdown 清单为产物的内容仓库，主体是外部链接而非代码，主题语言标为 Python（应为辅助生成脚本）。
来源：README.md（自动生成表格标记、列结构、多语言链接）；GitHub 仓库元数据（language=Python）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
—（以外部链接为主）适合 AI 初学者与希望系统补课的工程师：快速找到名校或知名讲者（MIT、斯坦福、CMU、微软、Karpathy、fast.ai 等）的免费课程，按主题搭建从数学基础、深度学习到 NLP/CV/LLM/MLOps 的学习路径；也适合做团队学习资料索引或自学清单的起点。它是「找课入口」，具体学习仍依赖各课程本身。
来源：README.md（说明、课程表格、主题）本页未列出版本号；该仓库为内容型课程清单（最后更新约在 2024 年 4 月），更新体现在课程表格的增改而非发布版本。表格由贡献数据自动生成，新增课程通过提交贡献并重建表格完成。
来源：README.md（自动生成表格标记）；GitHub pushed_atcourses 是一份维护良好、覆盖广的 AI 课程精选清单：把名校与知名讲者的多为免费课程按主题汇成结构化表格，标注格式、难度、年份与价格，并提供多语言版本，对想入门或系统补课的学习者是很实用的「找课入口」。要清楚它是外部链接合集而非课程本身、收录偏 2023 年前后且更新放缓、无明示许可，链接可能失效，前沿内容需结合更新资料补充。作为起点清单，它筛选省心、结构清晰。
来源：综合 README.md 的清单定位、表格结构与更新现状