ホーム>プログラミング関連>その他のソースコード
ダウンロード

学ぶ

強力なコア ソフトウェア エンジニアリング スキルを構築すると同時に、隣接するテクノロジに関する知識を毎日少しずつ拡張するために学習していることの実行ログです。

更新: 月に 1 回 |現在の焦点: 生成 AI

コアスキル

Python プログラミング

リソース進捗
Datacamp: 効率的な Python コードの作成✅
Datacamp: Python で関数を書く✅
Datacamp: Python によるオブジェクト指向プログラミング✅
Datacamp: Python による中級オブジェクト指向プログラミング✅
Datacamp: Python でのデータのインポート (パート 1) ✅
Datacamp: Python でのデータのインポート (パート 2) ✅
Datacamp: データ サイエンスのための中級 Python ✅
Datacamp: Python データ サイエンス ツールボックス (パート 1) ✅
Datacamp: Python データ サイエンス ツールボックス (パート 2) ✅
データキャンプ: Python パッケージの開発✅
データキャンプ: Conda Essentials ✅
Youtube: チュートリアル: Sebastian Witowski - 最新の Python 開発者ツールキット✅
Datacamp: Python での日付と時刻の操作✅
Datacamp: Python でのコマンド ラインの自動化⬜
Datacamp: Python でのデータ サイエンスの単体テスト✅
書籍: Python 201 ⬜
書籍: イディオマティック Python 3 の書き方⬜
書籍: Python によるテスト駆動開発⬜
記事: Python の多くのコマンドライン ユーティリティ⬜
記事: プログラマーのための Unicode 入門⬜
記事: Python でのメモリ プロファイリングの概要✅
記事:memory_profiler を使用した Python コードのプロファイリング✅
記事: 「memory_profiler」を使用して Python コードによるメモリ使用量をプロファイルする方法? ✅

データ構造とアルゴリズム

リソース進捗
書籍: Grokking アルゴリズム✅
本: 技術履歴書インサイドアウト✅
Neetcode: 初心者向けのアルゴリズムとデータ構造✅
Udacity: データ構造とアルゴリズムの概要✅

Linux とコマンドライン

リソース進捗
Datacamp: データ サイエンスのためのシェルの概要✅
Datacamp: Bash スクリプトの概要✅
Datacamp: シェルでのデータ処理✅
MIT: 失われた学期✅
Udacity: Linux コマンドラインの基本✅
Udacity: シェル ワークショップ✅
Udacity: Linux Web サーバーの構成✅

バージョン管理

リソース進捗
Udacity: Git を使用したバージョン管理✅
Datacamp: データ サイエンスのための Git の概要✅
Udacity: GitHub とコラボレーション✅
Udacity: Git と GitHub の使用方法✅

データベース

リソース進捗
Udacity: リレーショナル データベースの概要✅
Udacity: データベース システムの概念と設計⬜
データキャンプ: データベース設計⬜
Datacamp: Python でのデータベースの紹介⬜
Datacamp: データ サイエンスのための SQL の概要✅
データキャンプ: 中級 SQL ⬜
Datacamp: PostgreSQL でのデータの結合⬜
Udacity: データ分析用の SQL ⬜
Datacamp: SQL での探索的データ分析⬜
Datacamp: SQL を現実世界の問題に適用する⬜
Datacamp: SQL でのビジネス データの分析⬜
Datacamp: SQL でのレポート作成⬜
Datacamp: SQL でのデータ主導の意思決定⬜
データキャンプ: NoSQL の概念⬜
Datacamp: Python での MongoDB の概要⬜

バックエンドエンジニアリング

リソース進捗
Udacity: 認証と認可: OAuth ⬜
Udacity: HTTP および Web サーバー⬜
Udacity: クライアントサーバー通信⬜
Udacity: RESTful API の設計⬜
Datacamp: Python の API の概要⬜
Udacity: Web 開発者のためのネットワーキング⬜

生産システムの設計

リソース進捗
書籍: 機械学習システムの設計✅
Neetcode: 初心者向けのシステム設計✅
Neetcode: システム設計インタビュー✅
Datacamp: Python での顧客分析と A/B テスト✅
Datacamp: Python での A/B テスト⬜
Udacity: A/B テスト⬜
データキャンプ: MLOps の概念✅
Datacamp: 機械学習モニタリングの概念✅

数学

リソース進捗
Datacamp: Python の確率の基礎✅
データキャンプ: 統計入門✅
Datacamp: Python による統計入門✅
Datacamp: Python での仮説テスト✅
Datacamp: Python での統計的思考 (パート 1) ✅
Datacamp: Python での統計的思考 (パート 2) ✅
Datacamp: Python での実験設計✅
Datacamp: Python で統計面接の質問を練習する⬜
edX: Excel を使用したデータ分析に不可欠な統計✅
Udacity: 推論統計の概要✅
MIT 18.06 線形代数、2005 年春✅
Udacity: 固有ベクトルと固有値✅
Udacity: 線形代数の復習⬜
Youtube: 線形代数の本質⬜

フロントエンドの基本的な知識

HTML

リソース進捗
Codecademy: HTML を学ぶ✅
Codecademy: Web サイトを作成する✅
記事: 代替テキスト⬜

CSS

リソース進捗
Pluralsight: CSS の配置✅
Pluralsight: CSS の概要✅
Pluralsight: CSS: 特異性、ボックス モデル、およびベスト プラクティス✅
Pluralsight: CSS: レイアウトに Flexbox を使用する✅
コード スクール: ブートストラップで爆発的に始める✅
Pluralsight: UX の基礎✅
Codecademy: SASS を学ぶ✅
Javascript 開発者のための CSS ✅
記事: Figma デザインでイラストを作成する✅
書籍: UIのリファクタリング⬜
Youtube: ウェブサイトを醜くしない方法: プログラマーのための基本的な UX ⬜

JavaScript

リソース進捗
Udacity: ES6 - JavaScript の改善✅
Udacity: JavaScript の紹介✅
Udacity: オブジェクト指向 JS 1 ✅
Udacity: オブジェクト指向 JS 2 ✅
Udemy: Typescriptを理解する✅
Codecademy: JavaScript を学ぶ✅
コードアカデミー: JQuery トラック✅
Pluralsight: Chrome 開発者ツールの使用✅

専門的なトピック

機械学習

リソース進捗
記事: 勾配降下法最適化アルゴリズムの概要✅
書籍: Scikit-Learn、Keras、TensorFlow を使用した実践的な機械学習、第 2 版⬜
本: 機械学習の入門書✅
本: 独自のニューラル ネットワークを作成する✅
本: Grokking 機械学習✅
書籍: StatQuest 機械学習の図解ガイド✅
Fast.ai: プログラマーのための実践的な深層学習 (パート 1) ✅
Fast.ai: プログラマーのための実践的な深層学習 (パート 2) ⬜
Datacamp: Python のアンサンブル メソッド✅
Datacamp: XGBoost による極端な勾配ブースティング⬜
Datacamp: SciPy を使用したクラスタリング手法✅
Datacamp: Python での教師なし学習✅
Udacity: セグメンテーションとクラスタリング✅
Datacamp: データ サイエンスのための Python の紹介✅
edX: Azure HDInsight での Spark を使用した予測分析の実装✅
Datacamp: scikit-learn を使用した教師あり学習✅
Datacamp: Python のツリーベースのモデルを使用した機械学習✅
Datacamp: Python の線形分類器✅
Datacamp: 画像処理のための畳み込みニューラル ネットワーク✅
Datacamp: Python でのモデル検証✅
Datacamp: Python でのハイパーパラメータ調整✅
Datacamp: Python による HR 分析: 従業員の離職を予測する✅
Datacamp: Python で顧客離れを予測する✅
Datacamp: Python での次元削減✅
Datacamp: Python での機械学習の前処理✅
Datacamp: データ サイエンスのためのデータ型✅
Datacamp: Python でのデータのクリーニング✅
Datacamp: Python での機械学習のための特徴エンジニアリング✅
Datacamp: Python の機械学習による CTR の予測✅
Datacamp: Python を使用した財務概念の紹介✅
Datacamp: Python での不正検出✅
Karpathy: ニューラル ネットワーク: ゼロからヒーローまで✅
記事: ニューラル ネットワークの重みの初期化: 基礎から Kaiming への旅⬜

自然言語処理

リソース進捗
書籍: トランスフォーマーを使用した自然言語処理✅
スタンフォード CS224U: 自然言語理解 | 2019年春✅
スタンフォード CS224N: スタンフォード CS224N: 深層学習を使用した NLP | 2019年冬✅
CMU: 低リソース NLP ブートキャンプ 2020 ✅
CMU 多言語 NLP 2020 ✅
Datacamp: Python での NLP の特徴エンジニアリング✅
Datacamp: Python の自然言語処理の基礎✅
Datacamp: Python の正規表現✅
データキャンプ: 言語モデリングのための RNN ✅
Datacamp: Python での自然言語生成✅
Datacamp: Python でチャットボットを構築する✅
Datacamp: Python での感情分析✅
Datacamp: Python での機械翻訳✅
記事: コロケーションの不合理な効果⬜
記事: FuzzyWuzzy: Python でのファジー文字列マッチング✅
記事: マンバの説明⬜
記事: Mamba と状態空間モデルのビジュアル ガイド⬜
記事: 顔を抱きしめる量子化の基礎✅

生成AI

LLM理論

リソース進捗
記事: SolidGoldMagikarp (プラス、プロンプト生成) ⬜
DeepLearning.AI: LLM の事前トレーニング✅
DeepLearning.AI: 拡散モデルの仕組み⬜
Karpathy: 大規模言語モデルの紹介 [ 1hr ] ✅
Karpathy: GPT トークナイザーを構築しましょう [ 2hr13m ] ✅
カルパシー: GPT-2 を再現してみよう (124M) [ 4hr1m ] ⬜
Youtube: ハッカーのための言語モデル ガイド [ 1hr30m ] ✅
Youtube: Finbarr Timbers との 5 年間の GPT ⬜
記事: テキスト生成のためのサンプリング⬜
DeepLearning.AI: 人間のフィードバックからの強化学習✅
Youtube: LLaMA の説明: KV キャッシュ、ロータリー位置埋め込み、RMS ノルム、グループ化されたクエリ アテンション、SwiGLU [ 1h10m ] ⬜

情報検索/RAG

リソース進捗
検索用の事前トレーニング済み Transformer 言語モデル - パート 1 ⬜
検索用の事前トレーニング済み Transformer 言語モデル - パート 2 ⬜
検索用の事前トレーニング済み Transformer 言語モデル - パート 3 ⬜
検索用の事前トレーニング済み Transformer 言語モデル - パート 4 ⬜
LanceDB の IVF-PQ インデックスを理解する⬜
少量のプーリングは複数ベクトル表現に大いに役立ちます✅
フルスタック取得コース
記事: 複雑さのレベル: RAG アプリケーション✅
記事: RAG を体系的に改善する⬜
記事: LGTM@Few を指標として使用するのをやめる (Better RAG) ⬜
記事: RAG 検索の簡単な成果⬜
記事: AI エンジニアが検索について知っておくべきこと✅
記事: 取得のためのチャンク化戦略の評価⬜
記事: 文の埋め込み。文の埋め込みの概要⬜
DeepLearning.AI: 高度な RAG アプリケーションの構築と評価✅
DeepLearning.AI: ベクトル データベース: 埋め込みからアプリケーションまで✅
DeepLearning.AI: Chroma を使用した AI の高度な検索✅
DeepLearning.AI: 即時圧縮とクエリ最適化✅
DeepLearning.AI: セマンティック検索を備えた大規模言語モデル [ 1hr ] ✅
DeepLearning.AI: ベクトル データベースを使用したアプリケーションの構築✅
DeepLearning.AI: マルチモーダル検索と RAG の構築⬜
DeepLearning.AI: RAG のナレッジ グラフ⬜
DeepLearning.AI: LangChain を使用した機能、ツール、エージェント⬜
DeepLearning.AI: LlamaIndex を使用した Agentic RAG の構築⬜
DeepLearning.AI: crewAI を使用したマルチ AI エージェント システム⬜
DeepLearning.AI: AutoGen を使用した AI エージェント設計パターン⬜
DeepLearning.AI: LangGraph の AI エージェント⬜
DeepLearning.AI: 独自のデータベース エージェントの構築⬜
DeepLearning.AI: LLM アプリケーションの非構造化データの前処理⬜
DeepLearning.AI: 埋め込みモデル: アーキテクチャから実装まで✅
Pinecone: 多忙なエンジニアのための本番環境のベクトル データベース⬜
松ぼっくり: 検索拡張生成⬜
松ぼっくり: LangChain AI ハンドブック⬜
松ぼっくり: 画像検索のための埋め込みメソッド⬜
松ぼっくり: ファイス: 失われたマニュアル⬜
松ぼっくり: 野生のベクトル検索⬜
Pinecone: セマンティック検索のための自然言語処理⬜
Youtube: RAG アプリケーションを体系的に改善する✅
Youtube: RAG の基本に戻る w/Jo Bergum ✅
Youtube: 拡張生成のための検索の基本を超えて (Ben Clavié との共著) ✅
Youtube: RAG フロムスクラッチ0/14
記事: LambdaMART の詳細⬜
記事: アウトラインを使用したガイド付き生成✅

迅速なエンジニアリング

リソース進捗
記事: OpenAI プロンプト エンジニアリング⬜
記事: プロンプトの基本とそれを効果的に適用する方法✅
人間コース⬜
記事：プロンプトエンジニアリング（Liliang Weng） ✅
記事: プロンプト エンジニアリング 201: 高度な手法とツールキット✅
記事: 精度を高めるための LLM の最適化✅
記事: プライマー • 迅速なエンジニアリング⬜
記事: Anyscale エンドポイント: JSON モードと関数呼び出し機能⬜
記事: 大規模言語モデルを使用したガイド付きテキスト生成⬜
記事: GPT-4 ビジョンの代替案⬜
DeepLearning.AI: 開発者向け ChatGPT プロンプト エンジニアリング⬜
DeepLearning.AI: ビジョン モデルの迅速なエンジニアリング⬜
DeepLearning.AI: Llama 2 および 3 による迅速なエンジニアリング⬜
Wandb: LLM エンジニアリング: 構造化された出力⬜
DeepLearning.AI: LLM を使用した関数呼び出しとデータ抽出⬜
シリーズ: 即時注入⬜
Youtube: プロンプト エンジニアリングの概要 [ 1hr4m ] ✅
Youtube: LLM を使用した構造化生成⬜

LLMOps

リソース進捗
記事: LLM ベースのシステムと製品を構築するためのパターン✅
記事: LLM アプリケーションの新しいアーキテクチャ✅
記事: LLM を高速化する方法⬜
記事: 高速レーンで!投機的デコード - 10 倍の大きなモデル、追加コストなし⬜
記事: マルチ GPU の調和: LLM 推論の効率的なスケーリング⬜
記事: 必要なのは複数クエリの注意だけです⬜
記事: Transformers 推論最適化ツールセット⬜
DeepLearning.AI: LLM に効率的にサービスを提供する✅
DeepLearning.AI: LLMOps の自動テスト✅
DeepLearning.AI: レッド チーミング LLM アプリケーション✅
DeepLearning.AI: 重みとバイアスを使用した生成 AI モデルの評価とデバッグ⬜
DeepLearning.AI: LLM アプリケーションの品質と安全性⬜
DeepLearning.AI: LLMOps ⬜
DeepLearning.AI: Amazon Bedrock を使用したサーバーレス LLM アプリ⬜
DeepLearning.AI: 量子化の詳細⬜
DeepLearning.AI: オンデバイス AI の概要⬜
記事: 量子化のビジュアルガイド⬜
記事: QLoRA と 4 ビット量子化⬜
記事: インタラクティブな視覚化による AI/LLM 量子化の理解⬜
記事: LLM 推論シリーズ: 3. KV キャッシュの説明⬜
記事: LLM 推論シリーズ: 4. KV キャッシュ、さらに詳しく見る⬜
記事: LLM 推論シリーズ: 5. モデルのパフォーマンスの分析⬜
Youtube: SBTB 2023: Charles Frye、並列プロセッサ: LLM と OS カーネル間の過去と将来の接続⬜
記事: トランスの推論演算⬜

LLM ベースのシステムの構築

リソース進捗
記事: LLM を使用した 1 年間の構築から学んだこと⬜
記事: 微調整用の合成データを生成して使用する方法✅
記事: AI 製品には評価が必要です✅
記事: 機能するタスクと機能しないタスク固有の LLM 評価✅
記事: LLM アプリケーション用のデータ フライホイール⬜
記事: LLM の最前線: GoDaddy でモデルを運用するために学んだ 10 の教訓✅
記事: 抽象的な要約の評価と幻覚の検出✅
記事: 生成 AI アプリとコパイロット向けの新たな UX パターン✅
記事: 初心者向け LLM トレーニング ガイド⬜
記事: ChatGPT の構造化データサポートを限界まで押し上げる✅
記事: GPTed: セマンティック散文チェックに GPT-3 を使用する✅
記事: LLM について心配する必要はありません⬜
DeepLearning.AI: 大規模な言語モデルの微調整✅
DeepLearning.AI: ChatGPT API を使用したシステムの構築⬜
DeepLearning.AI: LLM アプリケーション開発のための LangChain ⬜
DeepLearning.AI: LangChain: データとチャットする⬜
DeepLearning.AI: Gradio を使用した生成 AI アプリケーションの構築✅
DeepLearning.AI: 顔を抱きしめるオープンソース モデル⬜
DeepLearning.AI: Mistral の概要⬜
Datacamp: LangChain を使用した LLM アプリケーションの開発⬜
LLMOps: LLM を使用した構築⬜
LLM ブートキャンプ - 2023 年春✅
Youtube: LLM のパフォーマンスを最大化するためのテクニックの調査✅
Youtube: LLM システムと製品のビルディング ブロック: Eugene Yan ✅
Youtube: OpenAI モデルの微調整 - ベスト プラクティス✅
Youtube: コース: アホロートルによる LLM 微調整0/4
Youtube: LLM の微調整1/5
Youtube: LLM エヴァルス0/5
Youtube: LLM アプリケーションの構築0/8

技術スキル (ライブラリ/フレームワーク/ツール)

AWS

リソース進捗
Udemy: AWS 認定開発者 - アソシエイト 2018 ✅

ジャンゴ

リソース進捗
記事: Django、HTMX、Alpine.js: 最新の Web サイト、JavaScript はオプション✅

マットプロットリブ

リソース進捗
データキャンプ: Seaborn の紹介✅
Datacamp: Matplotlib の概要✅

MLフロー

リソース進捗
データキャンプ: MLFlow の概要✅

Next.JS

リソース進捗
ドキュメント: Next.js で構築を開始する

パンダ

リソース進捗
データキャンプ: パンダ財団✅
Datacamp: スプレッドシート ユーザー向けに Pandas が参加✅
Datacamp: pandas を使用した DataFrame の操作✅
Datacamp: DataFrame と pandas のマージ✅
Datacamp: pandas を使用したデータ操作✅
Datacamp: pandas を使用した Python コードの最適化✅
Datacamp: pandas を使用した合理化されたデータ インジェスト✅
Datacamp: パンダを使用したマーケティング キャンペーンの分析✅
Datacamp: パンダを使用した警察活動の分析✅

パイトーチ

リソース進捗
記事: PyTorch の内部構造⬜
記事: PyTorch を当然のこととして受け入れる⬜
Datacamp: PyTorch を使用したディープ ラーニングの概要✅
Datacamp: PyTorch を使用した中級ディープラーニング⬜
Datacamp: PyTorch を使用したテキストの深層学習⬜
Datacamp: PyTorch を使用した画像の深層学習⬜
Deeplizard: ニューラル ネットワーク プログラミング - PyTorch を使用したディープ ラーニング✅

ReactJS

リソース進捗
Codecademy: ReactJS を学ぶ: パート I ✅
Codecademy: ReactJS を学ぶ: パート II ✅
NextJS: React の基礎⬜

スペーシー

リソース進捗
データキャンプ: spaCy を使用した高度な NLP ✅

Tensorflow と Keras

リソース進捗
Datacamp: Python での TensorFlow の概要✅
Datacamp: Python でのディープ ラーニング✅
Datacamp: Keras を使用したディープ ラーニングの概要✅
Datacamp: Keras を使用した高度な深層学習✅
Deeplizard: Keras - Python 深層学習ニューラル ネットワーク API ✅
Udacity: 深層学習のための TensorFlow の紹介✅
拡大する
追加情報
関連アプリ
おすすめ
関連情報 すべて