学习信息论的经典著作是David MacKay撰写的"信息论 ， 推理和学习算法" 。 除本书外 ， 作者还在剑桥大学开设了名为"信息理论 ， 模式识别和神经网络"的课程 ， 并在YouTube上提供了讲座 。
接下来做什么？完成上述课程后 ， 您可以尝试学习更多与机器学习相关的数学课程 。例如 ， 度量理论 ， 张量代数 ， 数学建模等就是此类其他主题 。
除了这些课程 ， 您现在可以选择在顶级会议上介绍的任何理论性机器学习论文 ， 例如NIPS ， ICML ， ICLR等 ， 然后阅读并尝试重现论文的结果 。从该计划中学到的知识也可以用于在任何公司开始研究或获得博士学位 。度 。
(本文由闻数起舞翻译自Cassie Kozyrkov的文章《Learning Advanced Mathematics behind Machine Learning》 ， 转载请注明出处 ， 原文链接：)

稿源：(未知)

【傻大方】网址：http://www.shadafang.com/c/111J2WV2020.html

标题：学习机器学习背后的高级数学( 二 )