作为机器学习工程师如何深入学习线性代数和概率论?
欢迎大家分享自己学习概率论和线性代数的心得。
不知道怎么学啊,其实有时候想想学这个真的有用么?看著周围那些不学概率,不学高代的,甚至不学写代码。找个应用场景就向上怼模型,然后发AAAI, CVPR 的。我是真的很想对他们说一句话!!!
————————
你居然还在翻???那就给你看吧。————————
请带上我,我也想发一个,然后毕业。线性代数:网易公开课 MIT线性代数 淘宝搜Gilbert Strang 有配套的书和答案 照著视频自己再写几道题
概率论 : 去b站搜 中科大概率论 缪柏其教授主讲 教材是陈希孺的书
看视频为主 然后看一下课上讲了的书上的内容 写两道题巩固 数学课速度不宜太快
Marc Peter Deisenroth (PILCO的作者) 他们写了一本书《Mathematics for Machine Learning》, 而且慷慨地提供了免费高清PDF.
这本书分为两部分:
- 数学基础. 囊括了线性代数, 解析几何, 矩阵分解, 向量分析, 概率论, 以及优化.
- 使用了这些数学基础的机器学习演算法示例.
该书由浅入深, 例子丰富, 作者生怕读者的基础不好, 所以读起来比较舒服.
如果觉得还不够过瘾, 这本书里也会推荐一些比较好的其他资源, 比如在第18页:
- Pavel Grinfeld 的线性代数系列 (油管链接): http://tinyurl.com/nahclwm
- Gilbert Strang 的线性代数课: http://tinyurl.com/29p5q8j
- 3Blue1Brown 的线性代数直观解释系列 (油管链接): https://tinyurl.com/h5g4kps
3Blue1Brown 的视频超有意思! 都是图形化的直观解释. 划水的时候看看这些视频, 小刀拉屁股 --- 开开眼~
这东西 ... ... ...
喜欢学就学
不喜欢学就不学
喜欢学也不一定学得好
学好了也不一定用得上
因为如果学了一定有用那大家早就都学了
最后如果你一定要学,就按著应用数学本科教程一本一本读就是了。学习方法啥都都是伪命题,一心想著走捷径都是为了偷懒。
若要系统学习,可以看书或者上MOOC课程
概率论:Snells Introduction to Probability.
线性代数:Strangs Introduction to Linear Algebra.
如果速成的话直接知乎,quora, stack exchange就好了。
推荐阅读: