AI/ML关键概念
列出了AI/ML的核心概念，如监督学习、无监督学习、强化学习、深度学习、自然语言处理、计算机视觉、生成对抗网络等，并附有相关链接供进一步学习。
AI/ML构建模块
涉及学习AI/ML所需的基础知识，包括线性代数、概率统计、优化计算、Python编程、数据预处理、模型评估等。
AI/ML角色
介绍了与AI/ML相关的多种职业角色，如机器学习工程师、数据科学家、ML/AI平台工程师等。
AI/ML发展路线图
提供了一套系统的学习路径，从数学基础到实践经验，再到专业领域知识和MLOps，最后是研究和面试准备。
课程、认证、书籍、工具与框架
分别列出了适合学习AI/ML的课程、认证项目、书籍、工具和框架，为学习者提供了丰富的学习资源。
研究博客、应用博客、问题、社区、频道、新闻简报和必读论文
提供了AI/ML领域的研究博客、应用博客、实践问题、社区资源、YouTube频道、新闻简报以及必读论文，帮助学习者紧跟行业动态并深入研究。
Awesome AI/ML Resources | #机器学习
MIT公开课：街头数学
内容主要是实用的数学技巧。课程强调了在现实世界中解决问题时，传统数学教育往往过于注重精确性和形式化，而忽略了快速估算和灵活解决问题的能力。
作者展示了如何运用“街头智慧”来处理复杂的数学问题，包括估算、近似计算、利用维度分析、简化复杂问题等技巧。这些方法不仅适用于数学领域，还能广泛应用于物理学、工程学、经济学等多个学科。
阅读本书能够帮助读者培养快速估算和灵活解决问题的能力，提升对数学工具的运用效率，同时也能更好地理解数学在实际问题中的应用价值。
内容主要是实用的数学技巧。课程强调了在现实世界中解决问题时，传统数学教育往往过于注重精确性和形式化，而忽略了快速估算和灵活解决问题的能力。
作者展示了如何运用“街头智慧”来处理复杂的数学问题，包括估算、近似计算、利用维度分析、简化复杂问题等技巧。这些方法不仅适用于数学领域，还能广泛应用于物理学、工程学、经济学等多个学科。
阅读本书能够帮助读者培养快速估算和灵活解决问题的能力，提升对数学工具的运用效率，同时也能更好地理解数学在实际问题中的应用价值。
