我应该如何系统学习本站的内容，以应用为主，基础理论为辅

对于AI，可以尝试了解以下内容，作为基础AI背景知识基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。历史发展：简要回顾AI的发展历程和重要里程碑。数学基础统计学基础：熟悉均值、中位数、方差等统计概念。线性代数：了解向量、矩阵等线性代数基本概念。概率论：基础的概率论知识，如条件概率、贝叶斯定理。算法和模型监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。无监督学习：熟悉聚类、降维等算法。强化学习：简介强化学习的基本概念。评估和调优性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。模型调优：学习如何使用网格搜索等技术优化模型参数。神经网络基础网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。激活函数：了解常用的激活函数，如ReLU、Sigmoid、Tanh。

[heading3]如果希望继续精进...对于AI，可以尝试了解以下内容，作为基础AI背景知识基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。历史发展：简要回顾AI的发展历程和重要里程碑。数学基础统计学基础：熟悉均值、中位数、方差等统计概念。线性代数：了解向量、矩阵等线性代数基本概念。概率论：基础的概率论知识，如条件概率、贝叶斯定理。算法和模型监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。无监督学习：熟悉聚类、降维等算法。强化学习：简介强化学习的基本概念。评估和调优性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。模型调优：学习如何使用网格搜索等技术优化模型参数。神经网络基础网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。激活函数：了解常用的激活函数，如ReLU、Sigmoid、Tanh。

元子我呀，是Agent板块成长起来的，我就用Agent板块举个栗子吧~链接：[00.Agent共学快闪活动](https://waytoagi.feishu.cn/wiki/NMXLwb0lli3lNGkTWLzcKl39nfV)咋用：从下往上看，一个一个点进去，都有视频为啥就看这个：共学都有视频，都是手把手从注册开始的教学，不会就多看几遍，基本保障一个工具能调通、一个Agent能搭好注意事项：确实就这些都有点多，点进去看看哪个工具你听过就从哪个工具开始吧，不然太累啦~~链接：[6.精选:AI Agents文章](https://waytoagi.feishu.cn/wiki/DaUTwIF1aiMPXlkAZsNcPJJgnsg?table=tbl8Uhyj3PcMAHHT&view=vew3yNtR1O)咋用：看了一些视频之后，你就知道你要看理论还是应用了，找到导航，想看哪里点哪里备注：智能千帆、阿里云百炼都是有视频的，其余没有视频注意事项：确实就这些都有点多，你如果都看到这里了，就要考虑聚焦了，先挑一个，开始手把手一起做起来，看看能不能持续用起来，只要你开始用起来，这事儿就成啦！你就开始抱着你的“目的”了，就可以移步下一段。快捷菜单找不到的话，看这里