这一系列 Jupyter Notebooks 是对数据科学和机器学习的非常好的分步介绍，适合初学者，通过实践和示例帮助读者掌握相关知识。
Dataflowr Notebooks是一组用于数据科学和机器学习任务的Jupyter笔记本，旨在提供可重用的代码示例和模板，帮助用户高效进行数据分析和模型开发。
ML-Recipes是一个集合，包含多个独立的Python机器学习算法实现，提供易于理解和修改的代码示例，适合初学者和机器学习研究者，涵盖多种机器学习任务和技术。
Creative ML是一个基于JAX、PyTorch和Numpy的机器学习课程，提供丰富的实践示例和笔记本，适合初学者和有经验的研究者，涵盖创意机器学习的不同方面。
Python编程入门指南，适合初学者或曾尝试编程但遇到困难的人。提供配套的Jupyter notebooks，非常适合自学和教学。
Phoenix是一个notebook-first的Python库，利用嵌入技术发现LLM、计算机视觉(CV)、自然语言处理(NLP)和表格模型中的潜在现象和问题。它支持多种模型的可观察性，提供洞察发现工具，帮助识别和解决模型问题，并集成监控功能以实时跟踪模型性能，同时支持模型的微调和优化。
