今天介紹一份機(jī)器學(xué)習(xí)的筆記，由哥倫比亞大學(xué)研究生張威整理。張威同學(xué)本科畢業(yè)于加拿大滑鐵盧大學(xué)電子工程系，曾經(jīng)聯(lián)合帶隊(duì)參加 2016 年 IEEE 數(shù)字信號(hào)處理大賽獲得前 10 的名次，也曾在微軟亞洲研究院副院長(zhǎng)郭百寧老師研究組和首席研究員曾文軍老師研究組實(shí)習(xí)。在哥倫比亞大學(xué)，張威同學(xué)也擔(dān)任過(guò)《Bayesian Model Machine Learning》這門機(jī)器學(xué)習(xí)進(jìn)階課程的助教。

筆記地址：https://wei2624.github.io/machine%20learning/Machine-Learning-Notes/

張威同學(xué)主要根據(jù)吳恩達(dá)在斯坦福教授的《機(jī)器學(xué)習(xí)》(CS 229)的最新課程筆記進(jìn)行梳理，這門課要比 Coursera 上的更全面和進(jìn)階。他同時(shí)結(jié)合了在哥大所選的機(jī)器學(xué)習(xí)相關(guān)課程，比如 David Blei 老師的《Foundations of Graphical Models》。

David Blei 是哥倫比大學(xué)計(jì)算機(jī)系和統(tǒng)計(jì)系的教授，曾在 UC Berkeley 獲得博士學(xué)位，導(dǎo)師是邁克爾喬丹，和吳恩達(dá)算是同門師兄。每年秋季 Blei 教授都會(huì)教授《Foundations of Graphical Models》這門研究生課程。這門課程主要涉及到利用最新的機(jī)器模型建模，并解決現(xiàn)實(shí)問(wèn)題。課程大綱如下：

 

 

課程地址：http://www.cs.columbia.edu/~blei/fogm/2018F/index.html

關(guān)于這份筆記，作者主要目的是：(1)多角度切入，能夠讓有一些基礎(chǔ)的同學(xué)從不同的角度理解相同的定理。(2)解釋數(shù)學(xué)，復(fù)現(xiàn)證明步驟，對(duì)于原筆記里面較復(fù)雜的推導(dǎo)步驟給出詳細(xì)的步驟分解。(3)內(nèi)容整合，整合多個(gè)高質(zhì)量課程的筆記內(nèi)容，加入自己的理解，從學(xué)生的角度出發(fā)讓內(nèi)容更好理解。

盡管作者并沒(méi)有覆蓋課程的所有內(nèi)容，但根據(jù)自己的思考對(duì)課程內(nèi)容提取精華，并將在之后繼續(xù)補(bǔ)充。作者的關(guān)注點(diǎn)還在于用大白話解釋理論概念，并給出定理的證明。

對(duì)于想通過(guò)自學(xué)機(jī)器學(xué)習(xí)的讀者或者計(jì)算機(jī)專業(yè)的同學(xué)在復(fù)習(xí)的時(shí)候，都還是很不錯(cuò)的參考資料。后續(xù)也會(huì)有會(huì)中文版推出。

在閱讀筆記之前，建議讀者先掌握一些關(guān)于概率、線性代數(shù)和向量微積分的基本知識(shí)。閱讀可以從頭開(kāi)始一直到結(jié)束順序完成，也可以根據(jù)需要跳讀。有什么意見(jiàn)或建議，可以直接在筆記頁(yè)面上留言或和作者互動(dòng)。

筆記目錄如下：

 

每個(gè)主題下還有更詳細(xì)的子目錄，如下圖所示，判別式算法的子目錄。

 

 

標(biāo)簽：

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。