AccumulateMore/CV: chinesische Deep-Learning-Mitschrift mit vier Kursquellen

Vier Kursreihen, ein Nummernschema

Das Repository sammelt Mitschriften zu vier verschiedenen Kursquellen und trennt sie über einen Nummernbereich. Der PyTorch-Kurs von 土堆 liegt bei 100 bis 122, das Buch 动手学深度学习 von 李沐 bei 200 bis 268, der Kurs von 吴恩达 bei 300 bis 354, der Agenten-Kurs von 大飞 bei 400 bis 409. Ein zweiter Agenten-Kurs ist mit 500 bis 5XX angekündigt und im README ausdrücklich als Platzhalter markiert. Diese Nummerierung ist die eigentliche Ordnungsleistung des Projekts: Wer eine bestimmte Vorlesung sucht, findet sie über den Bereich, nicht über eine Volltextsuche. Die Zielgruppe sind chinesischsprachige Selbstlerner, die parallel zum Video mitschreiben oder nachschlagen wollen. Das README adressiert sie direkt, inklusive des Hinweises, dass die Notizen als Ergänzung zu den verlinkten Bilibili-Videos gedacht sind.

Notebooks als Speicherformat, nicht als Anwendung

Die Hauptsprache ist Jupyter Notebook. Das bedeutet: Der Inhalt besteht aus Zellen mit Markdown, Bildern, Formeln und vermutlich Code, nicht aus importierbaren Modulen. Es gibt keine Paketstruktur, keine Setup-Datei, keinen Einstiegspunkt, den man aufrufen könnte. Wer das Repository klont, bekommt eine Sammlung von .ipynb-Dateien, die man einzeln öffnet. Das ist für ein Notizarchiv angemessen und für alles andere ungeeignet. Ein Vergleich mit Repositories, die ein Buch als ausführbaren Code begleiten, zeigt den Unterschied: Dort liegen Trainingsskripte, Datenlader und Konfigurationen so vor, dass ein Lauf reproduzierbar ist. Hier ist das Notebook das Endprodukt. Der Wert liegt im Lesen und Nachvollziehen, nicht im Ausführen einer Pipeline.

Der dokumentierte Weg zum Öffnen

Das README nennt drei konkrete Stolpersteine und ihre Umgehung. Erstens: Bilder und Formeln werden auf GitHub teilweise unvollständig dargestellt, weil die Plattform die Notebooks nicht vollständig auflöst; die Empfehlung lautet, die Dateien herunterzuladen und lokal zu öffnen. Zweitens: PyCharm zeigt die Bilder beim Öffnen von Jupyter Notebooks nicht korrekt an, verwendet werden soll das Jupyter Notebook aus Anaconda. Drittens: ein Verzeichnis-Plugin für Jupyter Notebook wird empfohlen, um zwischen Kapiteln zu springen. Das sind konkrete, aus dem README belegbare Hinweise. Ein Installationsbefehl für das Repository selbst fehlt, was konsistent ist: Es gibt nichts zu installieren. Wer die Notizen nutzen will, braucht eine funktionierende Anaconda-Installation mit Jupyter und, für die Code-Zellen, die jeweils im Kurs verwendeten Bibliotheken. Welche das im Einzelnen sind, steht nicht im README.

Datensätze über Baidu Pan und die Kontaktabhängigkeit

Zu den Kursen gehört ein Datensatzpaket, das über einen Baidu-Pan-Link mit Extraktionscode geteilt wird. Das README weist darauf hin, dass der Link ungültig werden kann und man sich dann per WeChat melden soll. Damit hängt der Zugang zu den Daten an einem externen Dienst und an der Erreichbarkeit des Autors. Für Nutzer außerhalb Chinas ist Baidu Pan ohnehin ein praktisches Hindernis, weil Registrierung und Download ohne chinesische Telefonnummer mühsam sind. Das ist keine Kritik an der Entscheidung, sondern eine Randbedingung, die man vor dem Einstieg kennen sollte: Die Notebooks sind frei auf GitHub, die zugehörigen Daten sind es nicht im gleichen Sinne.

Keine Lizenz, keine Releases, keine Versionspfade

Die Metadaten nennen keine Lizenz, und das README enthält keinen Lizenzabschnitt. Das ist der wichtigste offene Punkt des Projekts. Ohne Lizenzdatei ist nicht erkennbar, unter welchen Bedingungen die Notizen weitergegeben, übersetzt oder in eigene Materialien übernommen werden dürfen. Das gilt besonders, weil es sich um Mitschriften fremder Kurse handelt: Die Rechte an den zugrunde liegenden Inhalten liegen bei den jeweiligen Vortragenden und Verlagen, nicht beim Repository-Autor. Ich gebe hier keine Rechtsberatung, aber wer die Notebooks in einem kommerziellen Schulungsangebot verwenden will, sollte das vorher klären. Hinzu kommt: Es gibt keine Releases. Aktualisierungen laufen ausschließlich über Commits auf main, es gibt also keine versionierten Stände, auf die man sich beziehen könnte.

Wartungslast und was ein Update bedeutet

Die letzte Push-Angabe liegt im Juni 2026, das Repository ist nicht archiviert. Der angekündigte zweite Agenten-Kurs ist noch nicht vorhanden, der Nummernbereich 500 bis 5XX ist reserviert. Für Nutzer heißt das: Der Bestand wächst punktuell, aber es gibt keinen Fahrplan und keine Changelog-Datei. Ein Upgrade im Sinne einer Abhängigkeitsaktualisierung findet nicht statt, weil es keine Abhängigkeitsdatei gibt. Die Wartungslast liegt beim Leser, der die Notebooks auf seinen eigenen Bibliotheksversionen zum Laufen bringen muss. Wer die Notizen nur liest, hat diese Last nicht. Wer die Code-Zellen ausführt, muss mit Abweichungen rechnen, sobald sich APIs in PyTorch oder den begleitenden Bibliotheken geändert haben.

Was das README sonst noch enthält

Ein erheblicher Teil des README beschäftigt sich nicht mit Deep Learning. Es gibt WeChat-Gruppen, einen Hinweis, dass der Beitritt über 200 Personen nur per Einladung funktioniert, eine Liste von Unternehmen für interne Empfehlungen, Erfahrungsberichte zu Bewerbungen und Formulierungen zu bezahlter Beratung, Projektarbeit und Lebenslaufhilfe. Der Autor schreibt, er habe über tausend Studierende begleitet. Diese Teile sind für die Bewertung des Repositories als Lernressource nicht relevant, aber sie sind für die Bewertung des Projekts als Ganzes relevant: Es ist eingebettet in ein Beratungsangebot. Wer nur die Notizen will, kann sie ignorieren. Wer wissen will, ob das Material unabhängig gepflegt wird, sollte diesen Kontext zur Kenntnis nehmen.

Alternative: Li Mus eigenes Buch-Repository

Der naheliegende Vergleich ist das offizielle Repository zum Buch 动手学深度学习 von 李沐 und Mitautoren. Der Unterschied im Ansatz ist grundlegend: Dort ist der Code das Primärprodukt, die Kapitel sind als ausführbare Notebooks mit klarer Struktur organisiert, und das Projekt ist als Lehrbuch mit definierter Autorschaft und Lizenz aufgesetzt. Hier ist der Code Bestandteil von Mitschriften, die auf die Videos verweisen. Wer lernen will, indem er Zellen ausführt und Ergebnisse reproduziert, ist im Buch-Repository besser aufgehoben. Wer eine deutschsprachige oder englischsprachige Einführung sucht, wird in beiden Fällen nicht fündig, denn beide sind chinesischsprachig. Und wer die Vorlesungsstruktur von 吴恩达 oder den Agenten-Kurs von 大飞 sucht, findet sie in dieser gebündelten Form nur hier.

Redaktionelles Fazit

Wer chinesischsprachige Vorlesungsmitschriften zu PyTorch, Li Mus Buch, Andrew Ng und einem Agenten-Kurs in einem Repository sucht, findet hier ein durchgehend nummeriertes Notizarchiv, das sich lokal in Anaconda-Jupyter öffnen lässt. Wer ein reproduzierbares Trainings-Repository oder eine Bibliothek mit dokumentierter Lizenz braucht, sollte nicht hier anfangen. Vor jeder Nutzung ist zu prüfen, ob im Repository eine LICENSE-Datei liegt, denn die Metadaten nennen keine, und ohne sie bleibt jede Weitergabe der Notebooks rechtlich ungeklärt.

Offizielle Quellen

1. AccumulateMore/CV on GitHub
2. Issues
3. README