最近发现一个很适合系统补机器学习基础的网站:
Richard Xu 把自己过去十多年积累在 GitHub 上的几十份讲义,重新整理成了一套交互式学习教程。
内容从回归、贝叶斯、决策树和神经网络,一直延伸到 EM、MCMC、变分推断、NTK、PAC-Bayes、Transformer 和扩散模型,基础课程与研究级内容都有覆盖。
相比直接面对一堆公式密集的 PDF,网页形式更适合按主题慢慢学习,也更容易把原本零散的知识串起来。
现在很多教程都在追最新模型,这套资源更愿意把概率、优化、推断和学习理论讲清楚。模型会不断换名字,真正帮助我们理解它们的基础却没有那么容易过时。
交互式网站:
原始讲义:
显示更多