1. Home
  2. 读书知识

机器学习(书籍推荐)

数学基础

微积分:偏导数,梯度等等 概率论与数理统计:极大似然估计,中央极限定理,大数法则 最优化:梯度下降,牛顿-拉普拉斯,变分法(欧拉-拉格朗日方程),凸优化等 

1.线性代数:

3.统计学
几种类型的书:

Machine Learning Notes in cousera : 如果没有时间看2中的视频的话,可以直接看这个博客:

进阶(选择)学习:
Pattern Recognition And Machine Learning(有点偏Bayesian了,初学者看起来可能有些困难,可以和机器学习,统计学习方法,机器学习公开课视频结合起来看)
The Elements of Statistical Learning
Machine Learning: A Probabilistic Perspective
《PRML》、《ESL》、《MLAPP》这类进阶类书籍。包涵大量理论知识和数学推导(尤其是习题),有助于了解Machine Learning方法背后的本质和思想。
Machine Learning学习的过程,就是一个 what -> how -> why 的过程。而PRML,或者说同类的ESL等书籍,最大的作用就是让你知道为什么会有这样的方法,为什么会有这样的模型,它背后的intuition和motivation是什么。而这恰恰是一个Machine Learning Researcher想要进一步使用模型、看懂别人paper中的模型、甚至自己提出新模型的基础。看PRML会带给你在Machine Learning上的理解和使用能力一个质的飞跃。

Convex Optimization: Boyd

下面是专业方向书籍)
Introduction to Information Retrieval(信息检索入门书籍)
Modern Information Retrieval(现代信息检索第二版)
Foundations of Statistical Natural Language Processing(自然语言处理经典之作)
斯坦福自然语言处理公开课: http://www.52ml.net/14247.html
http://www.52nlp.cn/category/mit-nlp

原文链接:https://blog.csdn.net/jjs15259655776/article/details/82356063?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522167003264916782429795147%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=167003264916782429795147&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-17-82356063-null-null.nonecase&utm_term=%E4%B9%A6%E7%B1%8D%E6%8E%A8%E8%8D%90

原创文章,作者:xyhun,如若转载,请注明出处:https://www.xyhun.com/8135.html

Contact Us

邮件:294438279@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code