AccumulateMore/CV : des notes de cours Jupyter sur le deep learning, adossées à quatre séries vidéo

Un index numérique plutôt qu'une arborescence thématique

L'organisation du dépôt ne repose pas sur des dossiers par sujet mais sur des plages de numéros de notebooks. Le README associe explicitement la plage 100-122 à la série PyTorch de 土堆, la plage 200-268 à la série de 李沐, la plage 300-354 à celle de 吴恩达, et la plage 400-409 à la série sur les agents LLM de 大飞. Une cinquième plage, 500-5XX, est annoncée pour l'année suivante sans nom d'auteur ni lien. Le README la décrit lui-même comme un espace réservé.

Ce découpage a une conséquence pratique : le numéro de notebook est le seul repère de progression. Il n'existe pas de table des matières en Markdown, pas de fichier d'index, pas de métadonnées de difficulté. Pour savoir ce que contient la plage 200-268, il faut ouvrir les fichiers ou se référer à la playlist Bilibili correspondante. Le lecteur qui ne suit pas les vidéos doit donc reconstituer lui-même la logique de progression à partir des seuls numéros de fichiers.

Le public visé est clair : un apprenant qui regarde ces vidéos en chinois et veut un support écrit pour prendre des notes, revenir sur un point ou travailler hors connexion. Ce n'est pas une bibliothèque, ni un framework, ni un jeu de données. C'est un cahier de cours au format .ipynb.

Des notebooks exécutés dans l'environnement Anaconda, pas dans PyCharm

Le README donne trois consignes de lecture qui décrivent le mécanisme réel du dépôt. D'abord, l'affichage en ligne sur GitHub peut tronquer certaines images ou formules, ce que le README attribue à l'analyse du rendu par GitHub ; il recommande de télécharger les fichiers pour un rendu correct. Ensuite, l'ouverture depuis PyCharm ne restitue pas les images, et le README précise que les notebooks ont été rédigés avec Jupyter Notebook d'Anaconda. Enfin, il conseille d'installer une extension de table des matières dans Jupyter Notebook pour naviguer entre chapitres.

Ces trois points ne sont pas des détails cosmétiques. Ils indiquent que le contenu repose sur un rendu riche (images, formules) produit par un environnement précis, et que la portabilité vers d'autres éditeurs n'a pas été traitée. Rien dans le matériel fourni ne décrit de fichier requirements.txt, d'environnement conda exporté ou de version de Python épinglée. Vous ne saurez donc pas, avant d'ouvrir les notebooks, quelles versions de PyTorch ou de bibliothèques annexes sont attendues.

C'est un choix cohérent avec un usage personnel : l'auteur écrit pour son propre environnement et documente les cas où le vôtre différera. Pour un lecteur qui veut exécuter le code plutôt que le lire, cette absence de spécification d'environnement est le premier obstacle concret.

Mise en route : télécharger, ouvrir, installer une table des matières

Le matériel fourni ne contient aucune commande d'installation. Le README se limite à des renvois vers des recherches externes : « 百度查一下 Github如何下载文件 », « 百度查一下 Anaconda如何打开Jupyter Notebook文件 ». Il mentionne aussi un dépôt Python de l'auteur, 00_Python编辑器, comme source d'instructions sur l'installation de la table des matières et sur l'ouverture des notebooks.

La procédure réelle se réduit donc à trois étapes décrites en prose : cloner ou télécharger le dépôt, lancer Jupyter Notebook depuis une installation Anaconda, puis ouvrir les fichiers .ipynb. Aucune commande git, conda ou pip n'apparaît dans le README. Il n'y a pas non plus de fichier de configuration à renseigner, pas de clé d'API, pas de variable d'environnement. Le dépôt ne publie aucune release, ce qui exclut de s'appuyer sur une version taguée.

Un point mérite attention : le README renvoie à un lien Baidu Pan avec un code d'extraction, ppmu, pour un jeu de données partagé. Ce lien et ce code sont les seuls éléments d'installation tangibles du document. Si le lien expire, le README indique qu'il faut contacter l'auteur par WeChat, ce qui déplace la reproductibilité du dépôt vers une conversation privée.

Ce que le README ne dit pas sur la licence

Le champ de licence du dépôt est inconnu. Aucun fichier LICENSE n'est mentionné dans le matériel fourni, et le README n'aborde pas la question. Pour un dépôt de notebooks pédagogiques, l'absence de licence explicite crée une incertitude réelle : le droit d'auteur s'applique par défaut, donc la réutilisation, la redistribution ou l'intégration dans un support de formation interne ne sont pas autorisées de manière évidente.

Le contenu aggrave la question. Les notebooks sont dérivés de quatre séries vidéo produites par des tiers (土堆, 李沐, 吴恩达, 大飞), et le README les présente comme des notes associées à ces vidéos. La relation entre les notes et les supports originaux n'est pas précisée : transcription, résumé, reformulation, reproduction d'extraits. Un lecteur qui envisage de réutiliser ces notebooks dans un cadre professionnel doit clarifier ce point directement avec l'auteur, et pas seulement le statut du dépôt.

Je ne peux pas trancher cette question à partir du matériel fourni, et il serait imprudent de supposer une licence permissive par défaut. C'est une vérification à faire avant tout usage au-delà de la lecture personnelle.

Le README comme page de recrutement

Une part importante du README ne concerne pas le deep learning. On y trouve un tableau de groupes WeChat, des offres de « 论文辅导 », de « 就业指导 », de « 面试预演 », de « 商业级项目 », des promesses de progression salariale, une liste de plus de cinquante entreprises présentées comme accessibles en recommandation interne, et des captures d'écran de résultats de placement. Le texte affirme avoir « 指导过上千位同学 » et cite un seuil de « 20K同学 ».

Ces éléments ne sont pas vérifiables à partir du dépôt, et je ne les reprends pas comme des faits. Ce qui est observable, en revanche, c'est la structure du document : les instructions techniques et le démarchage commercial occupent le même fichier, sans séparation. Pour un lecteur qui cherche uniquement les notes, cela allonge la lecture et brouille la frontière entre le contenu pédagogique et l'activité de conseil.

C'est un point de jugement, pas un détail de forme. Un dépôt dont le README sert aussi de vitrine commerciale vieillit différemment d'un dépôt purement documentaire : les liens de contact et les offres changent plus vite que les notebooks, et la maintenance du fichier principal devient tributaire d'activités qui n'ont rien à voir avec le code.

La limite structurelle : un dépôt sans artefact exécutable

Le dépôt ne publie aucune release, ne fournit pas de fichier de dépendances et ne contient, d'après le matériel disponible, que des notebooks. Il n'existe donc aucun point de contrôle permettant de savoir si un notebook donné s'exécute encore. Une note de cours vieillit avec les versions de PyTorch et des bibliothèques qu'elle utilise ; sans environnement figé, la reproduction du résultat affiché n'est pas garantie.

Ce n'est pas nécessairement un défaut pour l'usage visé. Si vous lisez les notebooks comme un support de cours, l'exécution importe peu. Si vous voulez les lancer pour vérifier votre compréhension, vous devrez résoudre vous-même les incompatibilités de version, et le README ne vous y aidera pas : il renvoie à des recherches externes plutôt qu'à une procédure.

Le cas où ce dépôt est le mauvais outil est donc assez net : une équipe qui cherche du code de référence testé, une base de départ pour un projet, ou un support de formation avec des versions épinglées. Le dépôt ne prétend pas offrir cela, et le README ne le suggère nulle part. Il faut le prendre pour ce qu'il annonce, un recueil de notes.

Face à un cours unique et cohérent

L'alternative la plus directe n'est pas un autre dépôt mais les vidéos elles-mêmes, qui constituent la source. Le README les liste avec leurs liens Bilibili et précise la correspondance entre chaque série et sa plage de notebooks. Suivre une seule série, par exemple celle de 李沐 sur la plage 200-268, donne une progression construite par son auteur, avec un fil pédagogique continu.

La différence d'approche est réelle. AccumulateMore/CV agrège quatre sources distinctes, chacune avec sa terminologie, ses conventions de code et son niveau supposé. Cela produit une couverture large (PyTorch, deep learning, agents LLM) au prix d'une hétérogénéité que rien ne lisse : pas de glossaire commun, pas de progression déclarée entre la plage 122 et la plage 200. Un cours unique, à l'inverse, couvre moins de terrain mais garde une cohérence interne que ce dépôt ne peut pas offrir par construction.

Le choix dépend donc de ce que vous cherchez. Pour une vue d'ensemble en chinois sur plusieurs enseignants, l'agrégation a de la valeur. Pour apprendre un sujet de bout en bout sans rupture de vocabulaire, une série unique est plus adaptée, et le dépôt ne sert alors que de notes d'appoint.

Coût de maintenance et suite à donner

Le dépôt n'est pas archivé et le dernier push est daté du 30 juin 2026. Aucune release n'a été publiée. La plage 500-5XX est annoncée dans le README avec un nom d'auteur encore inconnu, ce qui signifie que le périmètre du dépôt n'est pas figé et que de nouveaux notebooks sont attendus.

Pour un lecteur, cela implique deux coûts. Le premier est la reprise : si vous clonez le dépôt, vous devrez tirer les mises à jour vous-même, sans numéro de version pour vous repérer. Le second est l'absence de canal de suivi formel : pas de releases, pas de fichier de changelog dans le matériel fourni, seulement le README et les groupes WeChat.

Sur le plan juridique, l'absence de licence identifiée reste le point bloquant pour tout usage collectif. La lecture personnelle ne pose pas de question ; la redistribution ou l'intégration dans un support de formation interne, si. Vérifiez ce point avec l'auteur avant de bâtir quoi que ce soit dessus.

Conclusion éditoriale

Ce dépôt convient à un autodidacte sinophone qui suit déjà les vidéos Bilibili référencées et veut un support écrit pour réviser hors ligne. Il ne convient pas à une équipe cherchant du code réutilisable, des tests ou une licence explicite. Avant de vous engager, ouvrez un notebook de la plage 100-122 dans Jupyter Notebook, vérifiez que les images et formules s'affichent, et confirmez le statut de licence auprès de l'auteur.

Sources officielles

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