Machine-Learning
I love machine learning!
大二时我刚刚接触机器学习领域，至今已经一年多。对机器学习有这样的感悟：旨在解决现实生活中的优化问题，将问题抽象成一个模型，这个模型可能是一个目标函数或者概率分布，我们的目的就是获得这个目标函数或概率分布，然后通过一些策略来将模型改写成一个最优化的问题，这些问题可能是线性规划、凸优化或者非凸优化，现阶段能设计的是凸优化之内的问题，我们通过具体的算法获得优化问题的最优解（很多情况下是局部最优解）。希望通过数学准备、理论推导、算法实现、具体应用来不断（终身）学习机器学习领域，能为该领域做出贡献是我最大的理想。
阅读书籍
- 统计学习方法（by 李航）：十分经典，理论推导很详细。
- 机器学习（by Tom）：体系结构十分清晰。
- 机器学习实战（by Harrington）：亮点在于实验，是我的启蒙书籍。
- 线性代数及应用（by David）：英文读起来很有快感，线代基础书籍。
- 凸优化（by Boyd）：特别难，只能慢慢读，打算作为工具书。
- 还有一些书没开始读但在书单中，比如PRML等经典书籍。