luweiagi/machine-learning-notes

それは何か。 機械学習と関連トピックに関する学習ノートのコレクションです。README は主に巨大な目次です：5 つの大きなセクション（序文、数学の基礎、プログラミングの基礎、機械学習、深層学習）にグループ化された数十のノートページをリストし、各エントリは個別のノートファイルにリンクしています。プロジェクトはまた、外部の「機械学習アルゴリズムマップ」（別のサイトの図）を指し、そのマップの PNG 画像を含んでいます。

どのように読むことを意図しているか。 README は警告（中国語）で始まります：github.com でページを表示している場合は、そこで読むのをやめて上部のリンクをクリックしてください。ソースモードにあり、数式がレンダリングされていないためです。意図された読書体験は、GitHub Pages サイト https://luweiagi.github.io/machine-learning-notes/ を介して行われ、そこでは数式が正しく表示されます。

カバーされている内容（目次から）。

• 序文 — 個人の紹介、ML の紹介、推奨される学習パス、面接のヒント、機械学習の歴史。
• 数学の基礎 — 微積分（テイラー展開、e、フーリエ変換、ヒルベルト空間、畳み込み）、線形代数（ノルム、行列微分、固有値、SVD）、確率と統計（分散/共分散、ベイズ分析、正規分布、ガンマ分布、ベータ分布、ディリクレ分布などの確率分布）、複素関数、情報理論、数値最適化（最小二乗法、ラグランジュ乗数、凸最適化）、および勾配更新アルゴリズム（SGD、Momentum、Nesterov、AdaGrad、RMSprop、Adadelta、Adam、Nadam、AMSGrad など）。
• プログラミングの基礎 — コンピュータサイエンスのコーストピック（コンピュータ構成、データ構造とアルゴリズム、コンパイラ、オペレーティングシステム、コンピュータネットワーク）、プログラミング言語（C/C++ と STL、マルチスレッド；Python と構文、numpy/pandas/scipy/matplotlib/scikit-learn などのライブラリ、Cython）、ビッグデータツール（Hadoop、Hive、Spark）、データバックアップツール（rsync、Git）。
• 機械学習 — 概要と哲学、特徴エンジニアリング、パーセプトロン、k近傍法、ナイーブベイズ、線形モデル（線形/ロジスティック回帰、最大エントロピー）、決定木、サポートベクターマシン（SMO を含む）、liblinear、アンサンブル法（Bagging、ランダムフォレスト、Boosting、AdaBoost、GBDT、XGBoost、LightGBM、Stacking）、次元削減（PCA、多様体学習；LDA/t-SNE/ICA/オートエンコーダはプレーンリスト項目として表示）、EM アルゴリズム、確率的グラフィカルモデル、HMM、CRF、クラスタリング（k-means、ガウス混合、DPMM）、トピックモデル（LDA）、およびさまざまなヒント（損失関数、負サンプリング）。
• 深層学習 — 概要、人工ニューラルネットワーク、ホップフィールドネットワーク、およびヒント（特徴交差、活性化関数、バッチ/レイヤー正規化などの正規化、バックプロパゲーション、勾配爆発/消失、勾配クリッピング）。

組織。 ノートは目次に対応する階層フォルダ構造にネストされています — 例：mathematics/calculus/taylor-expansion/taylor-expansion.md、machine-learning/support-vector-machine/smo/smo.md。README 自体は単なるインデックスです；実際のコンテンツはリンクされた .md ファイルにあります。

注目すべき詳細。

• リストにはハイパーリンクなしでプレーンテキストとして表示されるいくつかのトピックがあります（例：AdamW、LDA 線形判別分析、t-SNE、ICA、自己エンコーダ）— README はこれらを項目としてリストしますが、ノートファイルにリンクしていません。
• プロジェクトは主に中国語で書かれています。
• README には、ノート自体の構造以外に著者の意図の説明はありません — 目標、ライセンス、貢献ガイドラインは記載されていません。