算法的学习,应该做到各个模型之间能够打通,明白其背后数学原理的联系性和统一性。才能真正登堂入室。而不是做一个“调参侠”。
不同的学习资料之间,符号的表达可能各异。看多了,自然就通了。
另外,现实中很多问题,深度学习都无法解决,不要过分神话深度学习。进军深度学习,并不意味着你可以直接跳过传统机器学习理论的学习。
墙外的世界很精彩,但不要被无关紧要的东西吸引了。
一块黑板,一支笔的课程还是看的最舒服。
进来的小伙伴先看这里,这哥们整理的太好了
值得关注的YouTube 帐号
- Data Science Courses
这个老师讲课很清晰,推导很详细,主要讲deep learning的 - Scientific Computing and Artificial Intelligence
- MIT OpenCourseWare
MIT的课程,建议大家把相关的基础课程重新刷一下,国内的课程感觉都太水了 - mathematicalmonk
各种推导的课程 - Ben Lambert
这也是一个各种带着推导的老师
实战
老师
这些老师是我发现,在其主页里可以找到不错的课程和课件的老师
- Sargur N. Srihari
PPT适合配合书本一起看,可以帮助理解和总结。 - Jeff Miller
哈佛的一位老师,讲了挺多课
概念
特征值特征向量
主成分分析
奇异值分解SVD
拉格朗日乘子
约束优化的拉格朗日乘子(KKT)
如何直观形象的理解方向导数与梯度以及它们之间的关系
直观理解梯度,以及偏导数、方向导数和法向量等
What is an isotropic (spherical) covariance matrix?
A geometric interpretation of the covariance matrix
基础
Numerical Methods I CS 357
Statistical Computing Biostat 257
这门课是我导师的朋友主讲的,强烈推荐,语言是Julia,他的讲课内容全都有完整的jupyter notebook,完全可以自学,非常有帮助的一门课。懂得人,一看就知道他的价值了。
线性代数:
MIT 18.06 Linear Algebra 2009
MIT 18.065 Linear Algebra 2018
Khan Academy Linear Algebra
微积分:
MIT 18.01 Single Variable Calculus
Multivariable calculus
概率论:
YouTube Khan Academy Probability
Khan Academy Probability
算法:
Mathematics for Computer Science
Introduction to Algorithms
Analysis and Design of Algorithms
Artificial Intelligence
Machine Learning Summer School 2013 Tübingen
是个机器学习的夏令营,会请很多大牛来讲课
Optimization
机器学习
书籍推荐
- 李航统计学习第二版。
- Pattern Recognition and Machine Learning (PRML)
- Machine Learning:A Probabilistic Prospective (MLaPP)
视频推荐
- MIT, Artificial Intelligence, Fall 2010
MIT的AI算法课 - B站shuhua白板机器学习推导
各种模型新手拈来,up看着还很年轻,功力深厚。 - 徐亦达机器学习2015
- Jeff Miller, Machine Learning, 2014
哈佛的一位老师讲的machine learning课程,全程推导,各种干货 - 贝叶斯课程
- Bishop亲自授课
- 吴恩达2020机器学习
吴恩达的板书有点乱 - Introduction to Machine Learning and Pattern Recognition, CBCSL teaching
看到这种一块大白板的课,就好感爆棚,拿好小板凳,跟着学就对了。 - Introduction to Machine Learning
这种课,看着想让人睡觉 - 林轩田机器学习基石
深度学习
书籍推荐
Neural Networks and Deep Learning by Michael Nielsen 一本在线的书,有原理,有代码
邱老师的神经网络与深度学习 写的很好!
编程练习
习题答案
- Ali Ghodsi, Deep Learning, 2017 这个老师概念讲的很清晰,推导也很详细
- 李宏毅深度学习 讲的比较浅