40 репозиториев по 8 категориям. Полный роадмап от математических основ до написания собственного LLM.

С чего начать, если вы полный ноль
ML Roadmap 2026 (github.com/armankhondker/awesome-ai-ml-resources) - полный роадмап от новичка до продвинутого. Рассказывает, что учить и в каком порядке. Первая ссылка в закладки. 22K+ звёзд.
ML for Beginners от Microsoft (github.com/microsoft/ML-For-Beginners) - 12-недельная программа. Классический ML на Scikit-learn без хайпа вокруг нейросетей, только база. 70K+ звёзд.
Generative AI for Beginners от Microsoft (github.com/microsoft/generative-ai-for-beginners) - 21 урок по созданию реальных приложений: RAG, агенты, function calling. Постоянно обновляется. 85K+ звёзд.
AI Engineering Handbook (github.com/chiphuyen/aie-book) - как индустрия реально строит AI в продакшене. Не академия, а практика от тех, кто шипает. 30K+ звёзд.

Математическая база

Mathematics for Machine Learning (github.com/dair-ai/Mathematics-for-ML) - подборка книг, статей и видео по линейной алгебре, матанализу, теорвер и статистике. От начального до уровня исследователя. 15K+ звёзд.
Stanford CS229 Cheat Sheets (github.com/afshinea/stanford-cs-229-machine-learning) - сжатые шпаргалки по легендарному курсу Эндрю Нга: supervised, unsupervised, deep learning. Незаменимо на собесах. 18K+ звёзд.
Foundations of ML (github.com/patrickloeber/MLfromscratch) - простые объяснения и визуализации. Для тех, кто хочет сначала понять интуицию, а потом переходить к коду. 30K+ звёзд.
Строим с нуля: самый быстрый способ понять AI
Самый быстрый способ по-настоящему разобраться в AI - строить его самому. Никаких фреймворков, только numpy.

Karpathy's Zero to Hero (github.com/karpathy/nn-zero-to-hero) - легендарный видеокурс Андрея Карпати. Строим нейросеть, бэкпроп и трансформеры с нуля. Если смотреть что-то одно - смотрите это.
LLMs from Scratch (github.com/rasbt/LLMs-from-scratch) - строим GPT-модель шаг за шагом на чистом PyTorch: токенизация, attention, претрейнинг, файнтюнинг. Запускается на обычном ноутбуке. 55K+ звёзд.
nanoGPT (github.com/karpathy/nanoGPT) - минимальная реализация GPT от Карпати. Меньше 600 строк кода. Тренируем небольшой LLM за несколько часов. 40K+ звёзд.
Homemade Machine Learning (github.com/trekhleb/homemade-machine-learning) - популярные ML-алгоритмы реализованы на Python с объяснением математики. Интерактивные Jupyter-ноутбуки. 23K+ звёзд.
ML From Scratch (numpy) (github.com/eriklindernoren/ML-From-Scratch) - всё от линейной регрессии до глубокого обучения только на numpy. Никаких shortcuts. 21K+ звёзд.
Deep Learning: от учебника до практики
MIT Deep Learning Book (deeplearningbook.org) - Гудфеллоу, Бенджио, Курвилль. Учебник, который есть у каждого ML-инженера. Полная онлайн-версия бесплатная.
fast.ai Course (github.com/fastai/fastbook) - практический курс по DL от Джереми Ховарда. Подход top-down: строите реальные модели уже в первый час. Бесплатно.
Papers Reading Roadmap (github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap) - в каком порядке читать статьи по DL, если вы только начинаете. Сэкономит месяцы. 38K+ звёзд.
d2l.ai - Dive into Deep Learning (github.com/d2l-ai/d2l-en) - интерактивная книга с кодом, математикой и дискуссиями. Используется в 500+ университетах. 22K+ звёзд.
LLM и современный AI
LLM Zoomcamp (github.com/DataTalksClub/llm-zoomcamp) - бесплатный 10-недельный курс по построению LLM-приложений в продакшене: RAG, векторный поиск, оценка, мониторинг. 15K+ звёзд.
Awesome LLM Apps (github.com/Shubhamsaboo/awesome-llm-apps) - запускаемые LLM-проекты: агенты, RAG-пайплайны, голосовые ассистенты, мультимодальные воркфлоу. Учитесь изучая. 35K+ звёзд.
Hugging Face Course (github.com/huggingface/course) - трансформеры, файнтюнинг, NLP. Hands-on с библиотекой, которую реально используют в работе. Бесплатно.
LLM Course (github.com/mlabonne/llm-course) - полный курс с роадмапами, ноутбуками и ресурсами. Обучение, файнтюнинг, RAG, агенты. 50K+ звёзд.
Проекты для портфолио
Теория без практики бесполезна. Вот репозитории с проектами, на которых реально стоит работать.