来自牛津大学“Elizaveta Semenova”的报告《机器学习的数学与统计》,91页ppt,值得关注。理解机器学习所需的基本数学工具包括线性代数、解析几何、矩阵分解、向量微积分、优化、概率和统计。本报告包括线性代数、微积分、概率和统计学。

成为VIP会员查看完整内容
84

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【干货书】概率论:概率论与统计的导论,411页pdf
专知会员服务
95+阅读 · 2022年10月6日
【干货书】深度学习数学:理解神经网络,347页pdf
专知会员服务
255+阅读 · 2022年7月3日
专知会员服务
75+阅读 · 2021年7月31日
【干货书】计算机科学家的数学,153页pdf
专知会员服务
164+阅读 · 2021年7月27日
专知会员服务
122+阅读 · 2021年6月18日
【经典书】线性代数元素,197页pdf
专知会员服务
55+阅读 · 2021年3月4日
【干货书】Python机器学习,361页pdf
专知会员服务
252+阅读 · 2021年2月25日
应用机器学习书稿,361页pdf
专知会员服务
57+阅读 · 2020年11月24日
干货书《数据科学数学系基础》2020最新版,266页pdf
专知会员服务
314+阅读 · 2020年3月23日
机器学习线性代数速查
机器学习研究会
18+阅读 · 2018年2月25日
国家自然科学基金
2+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年5月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年10月28日
Arxiv
0+阅读 · 2022年10月22日
Arxiv
22+阅读 · 2022年2月4日
Arxiv
49+阅读 · 2021年5月9日
Arxiv
21+阅读 · 2018年8月30日
VIP会员
相关VIP内容
【干货书】概率论:概率论与统计的导论,411页pdf
专知会员服务
95+阅读 · 2022年10月6日
【干货书】深度学习数学:理解神经网络,347页pdf
专知会员服务
255+阅读 · 2022年7月3日
专知会员服务
75+阅读 · 2021年7月31日
【干货书】计算机科学家的数学,153页pdf
专知会员服务
164+阅读 · 2021年7月27日
专知会员服务
122+阅读 · 2021年6月18日
【经典书】线性代数元素,197页pdf
专知会员服务
55+阅读 · 2021年3月4日
【干货书】Python机器学习,361页pdf
专知会员服务
252+阅读 · 2021年2月25日
应用机器学习书稿,361页pdf
专知会员服务
57+阅读 · 2020年11月24日
干货书《数据科学数学系基础》2020最新版,266页pdf
专知会员服务
314+阅读 · 2020年3月23日
相关基金
国家自然科学基金
2+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年5月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年10月28日
Arxiv
0+阅读 · 2022年10月22日
Arxiv
22+阅读 · 2022年2月4日
Arxiv
49+阅读 · 2021年5月9日
Arxiv
21+阅读 · 2018年8月30日
微信扫码咨询专知VIP会员