如何逐步打下（研究生/博士生阶段）深度学习的数学基础?

来源：知乎

https://www.zhihu.com/question/396032753

本文来自知乎问答，仅供学习参考，著作权归作者所有

如有侵权，请联系删除

作者：笃定

深圳大学 计算机科学与技术硕士在读

https://www.zhihu.com/question/396032753/answer/1241693021

我只能谈谈研究生的，可以参考NYU公开课DS-GA1003 Machine learning提供的Reference，里面都是讲义，简洁明了。

DS-GA 1003 MACHINE LEARNING davidrosenberg.github.io^[13]

作为一名渣硕，我曾花了很多时间重新学习线代，我自己的体会是，不要陷入打好数学基础的怪圈，要学以致用。因此我并不推荐太多资料，下面的是我看过的。

线性代数

• 小白入门：CS229讲义^[1]、线性代数的本质^[2]

• 夯实基础：MIT线性代数^[3]、《线性代数及其应用》^[4]

• 论文工具：matrix cookbook^[5]、矩阵求导术^[6]

概率论

• CS229讲义

• 《概率论与数理统计》^[7]：陈希儒先生的书，概率论部分可读性高，数理统计可以参考《概率导论》^[8]

• 可汗学院统计学^[9]（我还没有看过，但很多人推荐

凸优化

• CS229讲义上^[10]、下^[11]

• 参考这个回答如何从零开始学习凸优化？^[12]

对于需要进一步深入的同学，这里补充一个github上关于机器学习和数学基础的总结，会更系统和全面，供大家参考。

JustFollowUs / Machine-Learning^[14]

对于有志于进入人工智能的本科生，这里还有一份斯坦福公开课的加点路线，除了数学、还补充了计算机类的课程。

https://zhuanlan.zhihu.com/p/144951953 zhuanlan.zhihu.com

[1] http://cs229.stanford.edu/p/cs229-linalg.pdf

[2] https://www.bilibili.com/video/av5987715/

[3] https://www.bilibili.com/video/av36568126?from=search&seid=9054773391352490522

[4] https://book.douban.com/subject/1425950/

[5] http://www2.imm.dtu.dk/pubdb/pubs/3274-full.html

[6] https://zhuanlan.zhihu.com/p/24709748

[7] https://book.douban.com/subject/2201479/

[8] https://book.douban.com/subject/26694188/

[9]http://open.163.com/newview/movie/courseintro?newurl=%2Fspecial%2FKhan%2Fkhstatistics.html

[10] http://cs229.stanford.edu/p/cs229-cvxopt.pdf

[11] http://cs229.stanford.edu/p/cs229-cvxopt2.pdf

[12] https://www.zhihu.com/question/68418633/answer/264232350

[13] https://davidrosenberg.github.io/ml2019/#resources 

[14] https://github.com/JustFollowUs/Machine-Learning