笔记杂谈

数据科学竞赛：Kaggle、天池。。。

机器学习基础：1、微积分基础（泰勒公式、导数和梯度）；2、概率论与统计（概率公式、常见分布、常见统计量）；3、线性代数（矩阵）

 

图片链接：https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html

相关资料：
        1、李航，统计学习方法，清华大学出版社，2012
        2、周志华，机器学习，清华大学出版社，2016
        3、machine learning ， Andrew ng ，coursera （https://www.coursera.org/learn/machine-learning）
        4、机器学习基石/技术，林轩田，coursera （https://www.coursera.org/instructor/htlin）

高等数学：微积分（两边夹定理/夹逼定理）、导数及二级导数、泰勒公式（Taylor公式）、方向导数及梯度、凹凸函数（琴生不等式）、

概率公式：条件概率、全概率公式、贝叶斯公式、概率分布（两点分布、二项分布、泊松分布、均匀分布、指数分布、正太分布）

统计：期望、方差、协方差

svd：一个常用的降维算法

数学推荐书籍：《数学分析》