@DanKornas: 别再从随机的标签页学习机器学习数学了。

X AI KOLs Timeline 工具
machine-learning mathematics github curated-list educational-resources linear-algebra calculus

摘要

一个精心整理的GitHub收藏集（Mathematics for Machine Learning），整理了书籍、论文、视频讲座和数学基础，用于学习和复习机器学习背后的数学知识，涵盖线性代数、微积分、概率论、统计学等。

别再从随机的标签页学习机器学习数学了。 Mathematics for Machine Learning 是一个精心整理的GitHub收藏集，包含书籍、论文、视频讲座和数学基础，用于学习和复习机器学习背后的数学知识。 它通过将可靠资源围绕机器学习工程师经常遇到的概念进行归类，帮助你建立更坚实的基础：线性代数、微积分、概率论、统计学、信息论、矩阵微积分和深度学习数学。 关键特性： • 书籍优先 – 指向《Mathematics for Machine Learning》、《深度学习数学基础》、《概率机器学习》、贝叶斯建模以及深度学习数学参考资料 • 包含论文 – 链接到专题阅读，如《深度学习的矩阵微积分》和《人工智能数学概览》 • 视频讲座路径 – 包含多元微积分、线性代数和CS229讲座播放列表 • 数学基础部分 – 收集了统计学、概率论、信息论、线性代数和微积分入门内容 • 每条资源附简短说明 – 每个条目提供上下文，方便你决定接下来打开什么 免费公开的GitHub仓库。 链接在回复中。
查看原文
查看缓存全文

缓存时间: 2026/05/26 05:03

停止从随机标签学习机器学习数学。

《机器学习数学》是一个精选的GitHub合集，汇集了用于学习和复习机器学习背后数学知识的书籍、论文、视频讲座和数学基础内容。

它通过将ML工程师经常遇到的概念——线性代数、微积分、概率论、统计学、信息论、矩阵微积分和深度学习数学——相关的可靠资源进行分组，帮助你建立更坚实的基础。

主要特点：

• 书籍优先——指向《机器学习数学》、《深度学习数学基础》、《概率机器学习》、贝叶斯建模以及深度学习数学参考书 • 包含论文——提供针对性阅读，如深度学习的矩阵微积分和人工智能数学概述 • 视频讲座路径——包含多元微积分、线性代数和CS229讲座播放列表 • 数学基础部分——收集了统计学、概率论、信息论、线性代数和微积分入门材料 • 每条资源附有简短注释——每个条目都提供背景说明，方便你决定接下来打开哪个

免费公开的GitHub仓库。

链接在回复中。

相似文章