ai-fundamentals

作者呼吁粉丝在评论区输入“CONCEPT”以获取专属路线图，强调即便AI工具频繁更新，核心概念依然稳定不变。

对Tivadar Danka所著《Mathematics of Machine Learning》一书的评论，涵盖了人工智能和机器学习的数学基础，并提供了实用的Python示例和Jupyter笔记本。

一篇评论文章认为，与其对不断变化的AI炒作和制造恐慌的头条做出反应，人们应该专注于学习AI能做什么、不能做什么的基础知识，以及人类价值所在。

Ahmad Osman认为，专注于AI基础原理（架构、推理、内存、硬件、延迟）比追逐短暂的智能体、产品或框架更有价值。他推广自己的Local LLMs系列，用于学习本地AI。

OpenAI学院发布了一份关于AI基础的教育指南，涵盖AI系统概览、大型语言模型、训练阶段（预训练和后期训练），以及如何根据不同任务选择正确的AI工具。