csinva.github.io

一个个人网站，托管了关于机器学习、统计学和神经科学的公开讲座幻灯片、研究笔记、速查表和博客文章。

• 作者： Chandan — 微软研究院资深研究员，从事可解释机器学习研究，拥有加州大学伯克利分校博士学位。
• 目的： 公开分享他自博士期间以来不断完善的笔记和演示文稿。

内容概览

• 幻灯片 (pres 文件夹) — 使用 Markdown 编写并由 reveal-md 构建的演示文稿源文件，易于编辑和导出。包括伯克利 CS 189 机器学习课程幻灯片、CS 188 人工智能幻灯片，以及关于可解释性主题的研讨会幻灯片。
• 研究综述 (_notes/research_ovws) — 可解释性、因果推理、迁移学习、不确定性、深度学习理论、复杂性、散射变换以及神经科学中的深度学习等领域近期论文的摘要。
• 笔记与速查表 (_notes + _notes/cheat_sheets) — 涵盖计算机科学、统计学和神经科学多个课程/领域的 Markdown 笔记（例如：计算神经科学、因果推理、分类、线性代数、信息论、计算机视觉）。
• 博客文章 (_blog) — 关于机器学习/统计学/神经科学主题的文章；精选示例包括论文写作技巧 (2023)、论文标题生成器 (2022) 以及关于 imodels 库的文章 (2022，发布于 Berkeley AI Research 博客)。
• 个人信息 — 指向其 Google Scholar 主页的链接。

技术细节

• 使用 Jekyll 构建，托管于 GitHub Pages，采用 Timeline 主题，使用 particles.js 实现动画效果，部分笔记使用 Jupyter Book。
• pres 幻灯片由 reveal-md 生成。

使用与许可

• README 明确表示“欢迎公开使用”（未提及正式许可文件）。
• 更新：您可以关注作者的 Twitter (@csinva) 或为该仓库加星。

— 以上所有陈述均直接摘自 README；未做任何额外假设。