foundations

对实数哲学本质的探讨，质疑其在数学中的真实性与基础。

本书涵盖数据科学的数学基础，包括高维分析、奇异值分解（SVD）、主成分分析（PCA）、回归、图论、聚类、深度学习等。

本文全面概述了大语言模型中的元认知，涵盖了测量方法、改进技术及未来方向。

一篇题为《The Hitchhiker's Guide to Agentic AI: From Foundations to Systems》的论文提供了关于LLM和代理型AI基础的全面教科书式资源。

推广一门结构化的MIT深度学习课程，内容涵盖基础、生成模型、智能体和序列问题。该课程旨在先建立实践理解，再进入高级主题。

分享了一份题为《深度学习基础、架构与工程实践》的文档，可能涵盖深度学习的基本概念、架构和实际工程实践方面。

推荐一本系统学习大型语言模型基础的中文书籍《Foundations of Large Language Models》，由东北大学 NLP Lab 与 NiuTrans Research 的 Tong Xiao 和 Jingbo Zhu 撰写。

来自哈德斯菲尔德大学的178页调查研究，涵盖数学和生成式AI基础，标题为《生成式AI基础小书》。

本书涵盖大语言模型的基础概念，包括预训练、生成模型、提示工程和对齐方法。可作为自然语言处理领域学生和实践者的参考书。