欢迎来到 跟我学机器学习（Machine Learning With Me） !
浏览器输入如下地址可在线阅读：
阅读地址：https://machinelearningwithme.com/ （Machine Learning With Me）
仓库备份地址：https://mlwithme.github.io/
这里不是一个简单的 AI 博客，也不是一个 AI 工具导航站，而是一个围绕 AI 知识学习 构建的学习中心（Learning Hub）。
学习 AI 的真正难点，往往不是找不到资料，而是：
- 不知道应该从哪里开始；
- 不知道下一步应该学习什么；
- 不理解不同知识之间有什么联系；
- 阅读过程中遇到陌生概念，需要频繁切换搜索。
因此，本站不仅持续更新原创教程，也围绕学习过程建设了一系列辅助模块，希望帮助学习者建立完整的知识体系，而不仅仅是阅读一篇篇彼此独立的文章。
整个学习中心由多个相互关联的模块组成，每个模块承担不同的作用，也可以独立使用。
| 模块 | 当前状态 | 作用 |
|---|---|---|
| 从零学AI指南手册 | 已上线 | 系统学习机器学习、深度学习、大模型与 Agent，从原理到代码逐步深入。 |
| AI术语百科 | 已上线 | 快速查询 AI 专业术语，并进一步关联到对应讲解内容。 |
| 课程学习指引 | 筹备中 | 整理国内外优秀课程、推荐学习顺序，并链接到本站对应章节。 |
| 试题与讲解 | 筹备中 | 利用高校课程练习题进行自测，并提供知识点解析。 |
这些模块共同组成一个完整的学习闭环。
例如，在阅读「从零学 AI 指南手册」时，如果遇到 RoPE 或 KV Cache 等陌生术语，可以直接进入 AI 术语百科；术语百科又会继续链接到对应教程，帮助你从「知道它是什么」进一步理解「它为什么这样设计」。
未来，课程学习指引、大学测验试题等模块也会逐步与教程建立关联，帮助学习者建立更加完整的知识网络。
「从零学 AI 指南手册」是本站当前最核心的内容（左侧目录树），也是整个学习中心的主线。
如果你第一次来到本站，建议从这里开始。
目前这部分包含3个主要栏目：
| 栏目 | 说明 |
|---|---|
| 机器学习（已出版） | 学习线性回归、SVM、树模型、聚类、降维等经典机器学习算法。 |
| 深度学习（已出版） | 系统学习 CNN、RNN、Transformer、BERT、GPT 等核心模型。 |
| 大模型 Agent 开发（持续更新） | 学习 RAG、Milvus、MCP、Function Calling、LangGraph、Agent 等应用开发技术。 |
| 精选文章 | 收录公众号「@跟我学机器学习」中的精选内容与专题解析。 |
| 主题专栏 | 收录整理经典主题的系列文章，如 Transformer、BERT 等。 |
不同基础的读者，可以选择不同的学习入口。
如果是第1次接触 AI，建议按照：机器学习 → 深度学习 → Agent 的顺序学习，阅读过程中遇到陌生术语，可随时打开 AI 术语百科 查阅。同时，在阅读机器学习内容前，务必先阅读其对应的「方法论」。
已具备基础，希望学习大模型应用开发，可以直接进入 Agent 栏目，重点阅读 RAG、Function Calling、ReAct、LangGraph 和 MCP 等章节内容。
希望建立完整的知识体系者，可以结合 「AI 术语百科」 、课程学习指引（建设中） 、大学测验试题（建设中），逐步建立知识之间的联系，并通过练习检验学习效果。
学习，而不仅仅只是阅读。本站希望做的不仅仅是提供教程，更希望帮助学习者建立一套能够持续成长的知识体系。 希望这些内容能够共同组成一个不断完善的 AI Learning Hub，帮助学习者知道：
- 学什么；
- 为什么学；
- 下一步应该学什么；
- 不同知识之间是如何联系起来的。
如有任何建议，也可在「留言板」写下你的建议。
点击左侧菜单栏即可按目录顺序浏览，同时点击右下角工具箱进入不同模块。
源码托管在 GitHub，可任选一种方式获取：
# 方式一：使用 git 克隆
git clone https://github.com/mlwithme/mlwithme.github.io.git
# 方式二：直接下载 zip 压缩包
# https://github.com/mlwithme/mlwithme.github.io/archive/refs/heads/main.zip获取源码后，按以下方式在本地浏览：
cd mlwithme.github.io
python -m http.server 8888然后在浏览器中输入 http://127.0.0.1:8888 访问。
