學習路徑之機器學習（1）

1.大概學習路徑圖 2.數學基礎 2.1 微積分： 知識：微積分的計算及物理意義，凸優化和條件最優化 運用：梯度下降法、牛頓法等。能理解「梯度下降是用平面來逼近局部，牛頓法是用曲面逼近局部」. 2.2 線性代數 知識：矩陣乘法，向量的內積運算 運用：矩陣乘法與分解主要運用在主成分分析（PCA)和奇異值分解（SVD） 2.3 概率與統計 知識：極大似然思想，貝葉斯模型，高斯分佈 運用：樸素貝葉斯(N

>>阅读原文<<