Awesome Multimodal Ml
多模态机器学习资料汇总，6874 stars。多模态机器学习研究主题的阅读列表，涵盖视觉-语言、音频-文本等多模态领域
🎯适用场景：多模态内容理解与生成
📥 收录于 2026/5/7
📊 仓库数据
✅ 优点
- •多模态输入输出支持
- •分类清晰、持续更新维护
- •6.9K+ stars
- •开源免费
⚠️ 限制
- •以学习参考为主，非生产组件
- •非可直接运行的产品
- •文档与社区支持因项目而异
🔗 相关工具
Awesome Self Supervised Learning
github.com/jason718/awesome-self-supervised-learning
自监督学习资料汇总，6391 stars。精选的自监督学习方法列表，涵盖对比学习、掩码建模等前沿技术
🎯AI 技术学习与研究参考
Ai Deadlines
github.com/paperswithcode/ai-deadlines
AI 会议倒计时，5989 stars。AI 会议截止日期倒计时工具，跟踪顶级 AI 会议的投稿 deadline
🎯AI 技术学习与研究参考
Ml Agents
github.com/Unity-Technologies/ml-agents
Unity 官方开源机器学习智能体工具包，可将游戏和模拟环境作为训练场，使用深度强化学习训练智能体，广泛应用于机器人控制、游戏 AI 和仿真训练场景。（19K+ stars）
🎯强化学习智能体训练、游戏 AI 开发、机器人仿真训练、3D 环境交互学习
Machine Learning for Beginners
github.com/microsoft/ML-For-Beginners
微软官方机器学习入门课程，85,318+ stars。12 周完整课程体系，涵盖回归、分类、聚类、NLP 等核心 ML 概念，每节课含 Jupyter Notebook 实践练习。从基础统计学到高级模型，是最系统的 ML 入门学习路径。
🎯AI 技术选型与学习参考、AI 技术学习与实践教程
Scikit Learn
github.com/scikit-learn/scikit-learn
Python 机器学习库，65,876+ stars。最流行的 Python 机器学习框架，提供分类、回归、聚类、降维等全面的 ML 算法，API 设计简洁优雅，是 ML 入门和工业实践的首选
🎯AI 技术学习与研究参考
AI Engineering From Scratch
github.com/rohitg00/ai-engineering-from-scratch
从零基础到实战的 AI 工程学习课程，涵盖 Agent 开发、多模态模型、RAG 系统、计算机视觉等核心主题，适合初学者系统学习 AI 工程实践。
🎯系统学习 AI 工程全栈知识，从 Agent 开发到模型部署，适合转行 AI 领域的开发者或在校生