该资源指南适用于具备基础编程知识或计算机科学背景的人士，目的在于培养其成为专注于深度学习和自然语言处理领域的研究科学家。指南全面介绍自顶向下及自底向上的学习方法，并详细列出数学基础、机器学习、深度学习等核心领域的资源，帮助用户找到匹配的学习路线。

pykan项目实现了Kolmogorov-Arnold网络(KAN)，这是一种在边缘应用激活函数的创新神经网络架构。KAN在多项任务中表现优于多层感知器(MLP)，提高了模型准确性、参数效率和可解释性。项目提供详细教程和示例，涵盖从函数拟合到PDE求解的应用，为科学发现和数学定律探索开辟新途径。

该书提供强化学习领域的数学友好入门指南,涵盖基本概念到经典算法。通过精心设计的数学讲解和示例,帮助读者理解核心思想。配套中英文视频课程,适合本科生、研究生、研究人员和从业者。基于作者多年教学经验,旨在引导读者进入强化学习领域。