大家好!?理解機器學(xué)習(xí)這個系列到今天就告一段落了，就在這里做一下小結(jié)和展望

我從十月開始到現(xiàn)在上傳了二十個視頻，完成了預(yù)定的計劃，也就是UML這本書的一學(xué)期教學(xué)大綱，基本沒有跳過任何證明。我的目標(biāo)是理論推導(dǎo)的部分盡量簡明，算法的來龍去脈盡量清楚，讓更多人能從這本出色的教材中學(xué)到理論機器學(xué)習(xí)的核心內(nèi)容。機器學(xué)習(xí)對我來說也是一個新的學(xué)科，做視頻的過程其實是一個學(xué)習(xí)的過程，所以特別感謝大家的支持和鼓勵。如果有疏漏的地方，也請大家包涵。

正如作者所說，UML的目標(biāo)讀者群是高年級的理工科本科生或者研究生，也就是假設(shè)了讀者已經(jīng)知道概率論，線性代數(shù)，微積分。我在做視頻的時候盡量做到邏輯自洽，但有讀者完全沒有學(xué)過上述內(nèi)容也想看視頻/書的話，可以考慮先學(xué)習(xí)下面的課題（搜一下B站上各種公開課，選一個愉悅度高的）：

微積分：理解多元Taylor公式（包括梯度，Hessian，極限）

線性代數(shù)：理解線性變換（包括但不限于向量，矩陣，子空間，投影，正交變換，譜分解，奇異值分解）

概率：理解條件概率和幾個基本不等式（e.g.Markov)?，基本組合（查數(shù)）技巧

本系列的最后一個視頻是生成模型。關(guān)于下一個系列，我的一個初步計劃是就是做一個生成模型的專題，?AIGC的熱潮下這個方向非常熱鬧，從stable diffusion到chatGPT，無論是AI作畫還是大語言模型的問答能力都已經(jīng)強到了匪夷所思的地步。這也是概率味道最濃的機器學(xué)習(xí)方向，符合我的個人審美。

一個新的系列需要好的籌劃。我在休息幾周過后會開始閱讀相關(guān)文獻，如果屏幕前的你有好的建議，也不妨給我留言。

再見！