datawhalechina/key-book

해결하는 문제

기계 학습 이론을 읽는 것은 어려울 수 있습니다. 교과서 "이론 기계 학습 입문"은 밀도가 높고 증명의 많은 단계를 생략하며 강한 수학적 유창성을 가정합니다. 이 프로젝트는 독자가 안개를 헤쳐 나가도록 돕는 동반 노트로, 세 가지 지원을 추가합니다. 책에서 언급하지만 자세히 설명하지 않는 개념에 대한 평이한 언어 설명, 누락된 유도 단계를 채운 증명 아이디어의 워크스루, 그리고 추상적인 이론을 더 쉽게 이해할 수 있도록 하는 구체적인 예입니다.

작동 방식

이 프로젝트는 원본 책의 장별 동반 자료로 구성됩니다. 동일한 구조를 따르며 학습 가능성, 복잡성, 일반화 경계, 안정성, 일관성, 수렴 속도, 후회 경계의 8가지 핵심 주제를 다룹니다. 각 장에 대해 동반 자료는 추가 설명, 단계별 증명 보충 자료, 예시 사례 연구를 제공합니다. 콘텐츠는 온라인에서 무료로 읽을 수 있으며 PDF 버전을 직접 다운로드할 수 있습니다. 또한 계산적 학습 가능성과 학습 가능성을 연결하는 서문과 노름, 볼록 집합, 최적화와 같은 수학적 기초를 포함하는 부록도 포함되어 있습니다.

대상 독자

현재 기계 학습 이론 교과서를 공부하고 이해를 돕기 위한 참고 자료를 원하는 모든 사람을 위한 것입니다. 또한 기계 학습 이론에 대한 체계적인 소개에 관심이 있는 연구자와 학생, 실무 경험이 있지만 더 강력한 이론적 기반을 구축하려는 엔지니어에게도 유용합니다.

주요 특징

• 개념 설명, 증명 보충, 실제 예의 세 가지 구체적인 추가 제공
• 원본 책의 7가지 핵심 이론 개념 모두를 다룹니다: 학습 가능성, 복잡성, 일반화 경계, 안정성, 일관성, 수렴 속도, 후회 경계
• 온라인에서 무료로 읽을 수 있으며 다운로드 가능한 PDF 버전 제공
• 이슈와 풀 리퀘스트를 통한 기여를 적극적으로 환영
• 독자 토론을 위한 WeChat 및 QQ 그룹을 통한 커뮤니티 지원
• Zhou Zhihua의 "기계 학습" 교과서에 대한 동반 "호박 책"으로 유명한 Datawhale 오픈 소스 커뮤니티에서 제작
• 크리에이티브 커먼즈 저작자표시-비영리-동일조건변경허락 4.0 국제 라이선스로 제공