機器學習經典書籍：
介紹幾本專業書籍（文章寫成於2023年左右）：
知乎：自然語言資料：
deep learning學習筆記整理：
數學基礎
微積分：偏導數，梯度等等
概率論與數理統計：極大似然估計，**極限定理，大數法則
最優化：梯度下降，牛頓-拉普拉斯，變分法（尤拉-拉格朗日方程），凸優化等
introduction to linear algebra
2.概率論
3.統計學
幾種型別的書：
4.微積分
重點：5.數值優化 ：numerical_optimization admm（boyd優化算**文）
機器學習公開課 ：
stanford machine learning 課程， 裡面的notes很不錯。
ml by andrew ng in coursera : 這個比較適入門的時候看，可以配合 三個機器學習教材）
convex optimization: boyd
下面是專業方向書籍）
introduction to information retrieval（資訊檢索入門書籍）
modern information retrieval（現代資訊檢索第二版）
foundations of statistical natural language processing（自然語言處理經典之作）
斯坦福自然語言處理公開課：
深度學習框架：tensorflow caffe 等（ 使用學習， 源**學習）
機器學習書籍資料推薦
機器學習的資料較多，初學者可能會不知道怎樣去有效的學習，所以對這方面的資料進行了乙個彙總，希望能夠對和我一樣的初學者有一定的借鑑。機器學習是構建於數學的基礎之上的，因此只有把數學的基本功打好，才能夠在機器學習領域有長遠的發展。正所謂 勿在浮沙築高台 這四門是數學的基礎，當然數學本身就是博大精深的，下...
機器學習 資料集資源
記錄並且分享一下自己在學習過程中使用過的資料集 mnist 資料集 mnist手寫數字資料庫的訓練集為60,000個示例，而測試集為10,000個示例。它是nist可提供的更大集合的子集。這些數字已進行尺寸規格化，並在固定尺寸的影象中居中。mnist 資料集 import pathlib data ...
機器學習資源
最近因為工作原因重溫了目標檢測演算法，參考了focal loss。裡邊涉及了cross entropy損失函式。這裡重溫了一下二分類的logistic回歸以及多類的softmax loss，但是對於softmax的背景知識一直不是太了解。藉著這次機會，好好地挖一下softmax，在本博文中會陸續更新...