Karpathy
- 难度
- 入门
- 形式
- 视频
- 语言
- 英文
- 规模
- 8 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
学完你能
- micrograd 与反向传播
- makemore 与 MLP
- BatchNorm 与梯度
- WaveNet
- GPT
- Tokenizer
适合你吗
适合
会写 Python、了解导数等入门数学，想从代码层面弄懂神经网络和语言模型的学习者。
暂不适合
还没有 Python 基础的人；需要证书或作业批改的人。
需要先会
作者要求：扎实的 Python 编程及入门数学，例如导数和高斯分布。
课程特点
- 内容侧重
- 侧重实践应用
- 练习与项目
- 没有作业和评分。每个视频说明里附有练习，第 4 部分（Backprop Ninja）有作者提供的 Colab 练习；外部学习者可直接完成，并对照仓库中的笔记本自查。
- 学习时长
- 8 个课节原站未给出统一学习时长；实际用时取决于已有基础。
- 内容费用
- 免费全部课程视频在 YouTube 公开免费观看，配套代码在 GitHub 公开，无需注册或付费
来源与使用须知
- 原始资源
- Andrej Karpathy 收录版本：作者课程目录（2026-10-10 核对）
- 收录时间
- 本站首次收录 2026-10-10
版权与转载
- MIT：代码可自由使用和修改，需保留版权声明；适用范围以原站说明为准，第三方材料可能另有条款。原站说明
- 其余材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；引用时请注明原作者与出处。