文件名称：awesomeMLmath:精选清单，学习机器学习的数学基础
文件大小：3KB
文件格式：ZIP
更新时间：2024-06-06 15:51:44
machine-learning deep-learning awesome-list
真棒 精选列表，用于学习机器学习的数学基础。 请注意，这是来自深度学习研究人员的有偏见的清单。 主要主题是微积分，线性代数，统计，概率和信号处理。 如果您将“概率”与信号处理“结合”，那么您将拥有随机过程，这是RNN，卡尔曼滤波器等背后的理论。 结石 线性代数 请注意，最好学习特征值分解等（不要仅求解方程组而停下来）。 您将使用它来理解“主成分分析”和空间变换的思想，这就是学习功能的全部内容。 统计和概率 是一门高级课程，但也是我的最爱之一。 达成协议后，关于随机变量的概率密度函数（pdf）就足够了。 机器学习是关于估计pdf的“内存”（您应该了解）。 如果您的随机变量不是高斯变量，那么您将需要更多的均值和方差来正确地描述它（均值和var是一阶和二阶矩）。 信息论概括了所有这一切。 信号处理 信号处理将教授什么是卷积（对于您而言，卷积神经网络）。 但是不用担心，信号处理只是线性代数++
【文件预览】：
awesomeMLmath-master
----LICENSE(1KB)
----README.md(4KB)