Loading repository data…
guanyuchery-rgb / repository
Open-source 100-day Python curriculum for AI, data, quant, LLM and agent projects
一个面向 AI Builder、数据分析、Quant、LLM 和 Agent 作品的开源 Python 100 天学习路径。
目标不是堆语法，也不是承诺某几个预设主题一定有用。
更真实的目标是：训练学习者如何把一个模糊想法，拆成输入、输出、最小版本、边界处理、调试、交付和复盘。
课程从 Day10 开始采用“工程问题解决路线”：先看真实任务和场景，再解释为什么需要这个知识点，最后才进入语法实现。
Day01-Day100 保留，不减少。
当前主线解释为：
Day 的统一学习模板是：
What
Why
How
Common Errors
Future Usage
Agent / LLM / Quant 的通识知识继续保留在 Day100 主线里，例如 Tool、Memory、Workflow、Planning、Prompt、Context、Embedding、RAG 原理、Return、Volatility、Sharpe、Drawdown 和 Backtest 原理。
课程基础部分会持续强调“库的学习”：遇到 csv、json、pandas、numpy、sklearn、torch、transformers、pydantic 等库时，先建立认知地图，再拆函数和参数。机器学习、深度学习、Transformer 和 PyTorch 作为 LLM / Agent 的基础知识进入 Day 主线，但只讲概念、输入输出和最小示例，不提前做完整大模型工程。
完整 RAG、Agent、Quant 回测、多 Agent 协作和 Dashboard 工程，统一放到 IC100-能力体系 做能力验证。IC 项目之间是平级作品方向。
后续内容会逐步改成更接近 GPT 对话的学习体验：
也就是说，不是让你相信某个主题一定有用，而是让你掌握做工程时可迁移的判断方法。
Day 主线每天最多按 4 小时设计。
推荐学习量是 2 小时左右。
如果当天内容超过 4 小时，优先砍掉大型工程任务和作品整理，把它们移动到 IC。
main.py 参考代码。每个 Day 正文上限控制在 600 行以内。强化题必须带具体代码，不能只写口头任务或占位 print("run")。
上面是 Day 主线节奏，不包含 IC。
IC 是额外能力验证，不强行塞进同一天。
如果你已经学完前 10 天，并且有统计、金融或数据背景，学完这 100 天后可以形成比较强的 Python 实战能力。具体达标口径见 Python100 能力达标标准。
这里的“比较强”不是指背完所有语法，而是指你能独立完成这些事：
前提是每天要手打代码、跑通结果，并写下复盘。只读完文本不会自动变强。
Day01-Day100 不承担大型工程交付职责，只保留知识、原理、API、小型示例和 Debug。Day76-Day95 的旧工程化内容已经迁移到 IC。
IC020-IC100 用来验证工程能力，按四条求职项目线持续迭代：
本仓库是公开学习资源。示例代码和示例数据使用虚拟样例，公开内容只保留课程、练习、工程和精选学习资产。
本地 Obsidian Vault 可以记录更真实的 Debug、学习日志和认知变化；公开 GitHub 仓库只保留适合外部阅读的课程、练习、工程和精选学习资产。
MIT License. See LICENSE.
Selected from shared topics, language and repository description—not editorial ratings.
kabirsingal962-coder /
👋 Hi, I’m Kabir! 💻 Passionate about coding, problem-solving, and building real-world projects. 🚀 Exploring C, C++, Python, and web development. 📚 Always learning and sharing knowledge. 🌱 On a journey to improve daily and contribute to open-source.