作為機器學習工程師如何深入學習線性代數和概率論？
歡迎大家分享自己學習概率論和線性代數的心得。
不知道怎麼學啊，其實有時候想想學這個真的有用么？看著周圍那些不學概率，不學高代的，甚至不學寫代碼。找個應用場景就向上懟模型，然後發AAAI， CVPR 的。我是真的很想對他們說一句話！！！
————————
你居然還在翻？？？那就給你看吧。————————
請帶上我，我也想發一個，然後畢業。線性代數：網易公開課 MIT線性代數 淘寶搜Gilbert Strang 有配套的書和答案 照著視頻自己再寫幾道題
概率論 ： 去b站搜 中科大概率論 繆柏其教授主講 教材是陳希孺的書
看視頻為主 然後看一下課上講了的書上的內容 寫兩道題鞏固 數學課速度不宜太快
Marc Peter Deisenroth (PILCO的作者) 他們寫了一本書《Mathematics for Machine Learning》, 而且慷慨地提供了免費高清PDF.
這本書分為兩部分:
- 數學基礎. 囊括了線性代數, 解析幾何, 矩陣分解, 向量分析, 概率論, 以及優化.
- 使用了這些數學基礎的機器學習演算法示例.
該書由淺入深, 例子豐富, 作者生怕讀者的基礎不好, 所以讀起來比較舒服.
如果覺得還不夠過癮, 這本書里也會推薦一些比較好的其他資源, 比如在第18頁:
- Pavel Grinfeld 的線性代數系列 (油管鏈接): http://tinyurl.com/nahclwm
- Gilbert Strang 的線性代數課: http://tinyurl.com/29p5q8j
- 3Blue1Brown 的線性代數直觀解釋系列 (油管鏈接): https://tinyurl.com/h5g4kps
3Blue1Brown 的視頻超有意思! 都是圖形化的直觀解釋. 划水的時候看看這些視頻, 小刀拉屁股 --- 開開眼~
這東西 ... ... ...
喜歡學就學
不喜歡學就不學
喜歡學也不一定學得好
學好了也不一定用得上
因為如果學了一定有用那大家早就都學了
最後如果你一定要學，就按著應用數學本科教程一本一本讀就是了。學習方法啥都都是偽命題，一心想著走捷徑都是為了偷懶。
若要系統學習，可以看書或者上MOOC課程
概率論：Snells Introduction to Probability.
線性代數：Strangs Introduction to Linear Algebra.
如果速成的話直接知乎,quora, stack exchange就好了。
推薦閱讀：
