AI 与机器学习书籍项目。目前收录了12本书，提供pdf下载。
github.com/AniruddhaChattopadhyay/Books/
✨Deep Learning Interviews (深度学习面试)
这是一本包含400多个精选问答的面试宝典，涵盖了CNN、Transformer、数学和系统设计，非常适合面试前的快速复习。
✨Foundation of LLM.pdf (大语言模型基础)
这本书为初学者讲解了如何构建、训练和对齐大语言模型，内容从分词一直到安全性。
✨Reinforcement Learning – An Overview (强化学习概述)
该书全面概述了现代强化学习，涵盖了基于价值、策略梯度、基于模型和混合的各种方法，并提供了实用技巧。
✨Alg4ai.pdf (人工智能算法)
这是一本斯坦福风格的简明笔记，用约150页的篇幅介绍了人工智能中的搜索、约束满足、概率推理和规划等核心算法。
✨Math4ml.pdf (机器学习的数学)
本书为机器学习从业者讲解了线性代数、微积分和概率论的核心知识，并附有大量直观易懂的实例。
✨OpenAI guide to building practical agents (OpenAI实用代理构建指南)
这份指南介绍了使用OpenAI工具链来构建和部署真实世界AI代理的设计模式、编排技巧和安全措施。
✨Pen and paper exercise in ML (机器学习纸笔练习)
这是一本理论优先的机器学习练习册（含答案），旨在通过无需编程的纸笔练习来加深对数学的直觉理解。
✨Matrixcookbook (矩阵手册)
这是一份简明的矩阵公式“速查表”，包含了数百个矩阵恒等式、导数和分解，是处理复杂线性代数问题的得力助手。
✨Finetuning guide (微调指南)
这是一份关于微调大语言模型的终极指南，详尽回顾了从基础到前沿的技术、研究和最佳实践。
✨MULTI-AGENT REINFORCEMENT LEARNING (多智能体强化学习)
本书权威地介绍了多智能体强化学习，融合了博弈论和深度学习，为初学者和专家提供了基础见解与前沿研究。
✨Context Engineering (上下文工程)
这是一份超过150页的关于上下文工程的综合性研究综述。
✨Linear Algebra Essence and form book (线性代数的本质与形式)
这是一本将线性代数与人工智能中的相关概念紧密联系起来的教科书。
