学习模型的模式

伪代码的算法流程 + 数学逻辑 –>才能真的掌握住这个模型的本质。
而其他都是表象。所以数学肯定是要啃的。矩阵论和概率统计，微积分，必然是需要的。
更多的应用和实践，会深化对于模型的认知。

基本要求：
1、历史背景及演进：解决什么问题而生
2、伪代码表述流程
3、前提、局限、适用场景
4、演化和可优化之处、优化思路
5、和其他模型对比

进阶要求：
1、根据伪代码思路，看具体实现
2、为什么会有这样的前提和局限–>数学证明：唯一性证明、误差上界证明、loss函数证明、模型参数的迭代公式证明

炉火纯青：
1、当我问你某个公式，你能够给出，并给出推导过程
2、和其他模型相似问题下的解决方案(公式)对比

本文作者： yuqing wang
本文链接： https://satyrswang.github.io/2021/02/21/学习模型的模式/
版权声明： 本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。转载请注明出处！

赏

thanks for tips

支付宝

微信