机器学习理论
机器学习理论研究机器学习算法的数学基础——概率图模型、统计学习理论、PAC 学习、泛化界、贝叶斯推断。它回答“为什么这些算法 work、什么时候不 work、需要多少样本”等基础问题。
对工程实践来说,这层理论不是必需;但做 ML 理论研究、博士生写理论论文就绕不开。学这板块的同学应该已经对算法和深度学习的工程实现有了基础。
graph LR
A["张志华 机器学习导论"]:::beginner --> B["张志华 统计机器学习"]:::intermediate
B --> C["CS229M ML Theory"]:::advanced
B --> D["CMU 10-708 概率图模型"]:::advanced
classDef beginner fill:#EFF6FF,stroke:#3B82F6,color:#1e3a5f
classDef intermediate fill:#F0FDF4,stroke:#16A34A,color:#14532d
classDef advanced fill:#F8FAFC,stroke:#64748B,color:#1e293b