HF Viewer
https://hfviewer.com/可以学到什么
把 Hugging Face 模型架构展示为图：层、重复模块、分支和整体数据流。适合在读完 model card 后进一步理解模型内部结构。
如何使用
打开资源，粘贴 Hugging Face 链接或 repo id，例如 `gpt2`，从总览逐步查看细节。快速比较时可先打开首页的热门模型。
打开实验室
ML 实验室
SohoBook 外部 ML、AI 与 system design 实验室精选：模型可视化、算法、LLM 实践、deep learning 课程和工具目录。
Algorithm Visualizer
https://algorithm-visualizer.org/可以学到什么
帮助建立算法和数据结构的逐步直觉：排序、图、动态规划、搜索和树。学习者不仅看代码，还能看到算法状态如何变化。
如何使用
在左侧菜单选择主题，点击 Play 并观察可视化过程。然后修改输入或代码，测试边界情况，理解算法为何这样运行。
MICROGPT LAB
https://ko-microgpt.vercel.app/可以学到什么
展示小型 GPT 如何读取数据、对字符分词、学习模式并生成新名字。它把语言模型的抽象概念变成可观察的学习实验。
如何使用
从 Start from data 开始，按顺序查看数据、token、训练和生成面板。界面允许时调整参数，并比较生成结果。
paperdraw.dev
https://paperdraw.dev/可以学到什么
训练系统思维：分布式架构组件、请求流、延迟、过载和容错。适合从 ML 模型过渡到围绕模型构建真实服务。
如何使用
选择模板或用组件搭建设计图，连接数据流并启动仿真。然后开启 chaos 场景，观察设计在哪里失效、哪些节点需要加强。
mlabonne/llm-course
https://github.com/mlabonne/llm-course?tab=readme-ov-file可以学到什么
提供 LLM 路线图：基础数学和 Python、LLM Scientist、微调、量化、数据集、评估和应用工程。适合作为循序渐进的学习导航。
如何使用
打开 README，选择学习路线：Fundamentals、Scientist 或 Engineer。实践时运行 Colab notebooks，并记录已经亲手复现的技术。
MIT OCW Deep Learning
https://ocw.mit.edu/courses/6-7960-deep-learning-fall-2024/resources/lecture-videos/可以学到什么
提供深度学习的学术框架：神经网络基础、训练、逼近、架构、图和泛化。它把实践工具与大学层次理论连接起来。
如何使用
按顺序观看课程，同时打开 Lecture Notes 和 Homework。每节课后写下关键思想，并用小代码例子验证。
awesome-machine-learning
https://github.com/josephmisiti/awesome-machine-learning可以学到什么
按语言和任务介绍 ML 库、框架和软件生态。帮助学习者了解 Python、TensorFlow、数据挖掘、NLP 和生产级 ML 周边工具。
如何使用
打开 README，用浏览器搜索找到需要的类别，并从文档、活跃度和学习任务适配度比较几个成熟项目。