Learning Path for Machine Learning

最新推荐文章于 2024-08-12 19:43:14 发布
最新推荐文章于 2024-08-12 19:43:14 发布
阅读量542 收藏
点赞数 2
分类专栏： 算法 文章标签： 机器学习 数学

数学基础

机器学习必要的数学基础主要包括：多元微积分，线性代数

统计基础

编程基础

机器学习

下面是近期的给外行人读的泛数学科普书籍，由浅至深，作用除了感受数学之美之外，更重要的是可以作用每天学习的鸡血，因为这些书都比较好读……

1.《数学之美》作者：吴军
2.《 Mathematician’s Lament | 数学家的叹息》作者：by Paul Lockhart
3.《 Think Stats: Probability and Statistics for Programmers | 统计思维：程序员数学之概率统计 》 作者：Allen B. Downey
4.《 A History of Mathematics | 数学史 》作者：Carl B. Boyer
5.《 Journeys Through Genius | 天才引导的历程：数学中的伟大定理 》作者：William Dunham
6.《 The Mathematical Experience | 数学经验 》作者 Philip J.Davis、Reuben Hersh
7.《 Proofs from the Book | 数学天书中的证明 》作者：Martin Aigner、Günter M. Ziegler
8.《 Proofs and Refutations | 证明与反驳－数学发现的逻辑 》作者：Imre Lakatos

scutth
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
联邦学习的基本概念和术语 Federated Learning: Collaborative Machine Learning
禅与计算机程序设计艺术
08-04 1149
随着互联网、移动互联网、物联网、云计算等新兴技术的广泛应用，传统数据中心遇到的限制越来越多，因此出现了边缘计算的概念。边缘计算可以将数据处理从中心服务器上卸载到边缘设备上，实现更快、更可靠的数据处理。然而，由于设备离用户较远，带宽资源受限等因素，边缘计算面临的通信、计算性能等问题也同样存在。为解决这一问题，机器学习领域提出了联邦学习（Federated Learning）的概念。联邦学习是一种机器学习模型训练方法，它允许多个数据所有者共同协作训练一个模型，从而使得模型能够更好地泛化到新数据上。
machine-learning-path:资料库可帮助新生学习机器学习
04-23
机器学习-3个月练习 在此存储库中，提供了一些在3-4个月内学习机器学习的课程和路径。 我希望我能帮助刚刚起步的人 项目状态 第1个月 这个月我们要分到四个星期来学习。 第一周 可能性 概率模型简介，包括随机过程和统计推断的基本元素。 有关学习概率的问题。 第二周 线性代数 这是矩阵理论和线性代数的基本主题。 重点介绍了在其他学科中有用的主题，包括方程组，向量空间，行列式，特征值，相似性和正定矩阵。 线性代数 本课程涵盖矩阵理论和线性代数，重点介绍在其他学科（例如物理学，经济学和社会科学，自然科学和工程学）中有用的主题。 线性代数 这是葡萄牙语中的一门课程。 从简单的基础概念开始。 第三周 细密的 钙质-钙质的本质 这个youtube频道有这么多视频，内容讲究的理论如此之多。 第四周 演算法 算法设计与分析 了解计算机科学的核心原理：算法思维和计算问题解决。 入门算法 本课
machine learning实践学习一：Python及工具包安装及环境配置
Sarah_H_Shen的博客
12-16 852
需要下载的软件配置列表： 1. Python：找到合适的版本，地址为：https://www.python.org/downloads/。 2. Anaconda：官网为：https://www.anaconda.com/download/#windows，但由于服务器在国外，下载非常慢，因此可采用清华镜像版本：https://mirrors.tuna.tsinghua.edu.cn/anac
Coursera | Mathematics for Machine Learning 专项课程 | Multivariate Calculus
NJ_Xavier的博客
02-20 1169
本文为学习笔记，记录了由Imperial College London推出的Coursera专项课程——Mathematics for Machine Learning中Course Two: Mathematics for Machine Learning: Multivariate Calculus中全部Programming Assignment代码，均已通过测试，得分均为10/10。
Conceptual Challenges for Interpretable Machine Learning
weixin_42786150的博客
03-01 1326
Conceptual Challenges for Interpretable Machine Learning David S. Watson1 'Department of Statistical Science, University College London, London, UK Email for correspondence: david.watson@ucl.ac.uk §0 Abstract As machine learning has gradually entere..
I found some profound pictures for Machine Learning study
qbt4juik的专栏
11-10 803
As is shown below, this is a picture summing up the pros and cons for each machine learning algorithm. It is an over-all comparison roughly covered all aspects. Thanks to people who give us this summa
10 Machine Learning Online Courses For Beginners
全网:架构师研究会
11-11 172
The following is alist of, mostly free, machine learning online courses for beginners.If video lectures aren’t your thing, andbooks better suit your learning style, then be sure to chec...
Machine learning and Classifier from Wiki
davidcqw的专栏
05-08 1049
Wiki真是一个好东西，什么知识点都列得清清楚楚，简直就是一本万能的书。。。learning and Classifier from Wiki" title="Machine learning and Classifier from Wiki" style="margin:0px; padding:0px; border:0px; list-style:none; color:rgb(50,62,
Machine-Learning-for-Algorithmic-Trading-Second-Edition/ gradient boosting
weixin_47911946的博客
07-11 1025
本文作者：何百圣 哈尔滨工业大学（威海） 经济管理学院数量金融方向 MLAT系列文章为校内课程作业，以blog的形式记录作业。笔者的课程任务是12gradient_boosting,本篇承接上一篇create dataset，用多种boosting方法对dataset进行处理。 Imports and Settings import sys, os import warnings from time import time from itertools import product i...
Python: Real World Machine Learning
11-18
This Learning Path will teach you Python machine learning for the real world. The machine learning techniques covered in this Learning Path are at the forefront of commercial practice. This Learning ...
Machine Learning by Tutorials：Beginning machine learning for Apple and iOS.pdf
06-14
Machine Learning by Tutorials: Beginning machine learning for Apple and iOS by Matthijs Hollemans-- May 31, 2019 Machine Learning by Tutorials: Beginning machine learning for Apple and iOS by ...
Machine Learning by Tutorials: Beginning machine learning for Apple and_code.zip
06-14
Machine Learning by Tutorials: Beginning machine learning for Apple and iOS by Matthijs Hollemans-- May 31, 2019 Machine Learning by Tutorials: Beginning machine learning for Apple and iOS by ...
Machine learning for predictive maintenance: where to start?
思索的蜗牛的专栏
01-22 607
Ref: https://medium.com/bigdatarepublic/machine-learning-for-predictive-maintenance-where-to-start-5f3b7586acfb Think about all the machines you use during a year, all of them, from a toaster every m...
深入理解命名实体识别（NER）
AngelCryToo的专栏
08-12 247
命名实体识别（NER，Named Entity Recognition）是自然语言处理（NLP）中的一项重要技术，用于从文本中识别出特定类型的实体，并将这些实体分类到预定义的类别中。实体通常包括人名、地名、组织名、日期、时间、数量、货币等。例如，在句子“Barack Obama was born in Hawaii in 1961”中，NER任务的目标是识别“Barack Obama”作为人名，“Hawaii”作为地名，以及“1961”作为日期。
基本统计分析概述与实践指南
weixin_47570444的博客
08-12 531
基本统计分析是数据分析的基础，它为数据的深入探讨和建模提供了必要的支持。通过频数分析、描述统计量的计算、列联表分析、多选项分析和比率分析等方法，可以更加全面掌握数据的分布特征和变量间的关系。
机器学习笔记：注意力机制中多头注意力的实现
最新发布
2301_79335566的博客
08-12 407
单个注意力学到的东西有限，可以通过对不同的注意力进行组合，学到不同的知识，以达到想要的目的。因此采用”多头注意力“的方法进行实现，即有多个注意力”头“，对其进行连结得到输出。
Can you develop a learning path for me to master AI
04-02
8. Study reinforcement learning, which is a type of machine learning used for decision-making and control systems. 9. Learn about ethics and bias in AI to ensure that your AI models are unbiased and ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值