#783 · 主分类： 教育与研究
notes
artificial-intelligence
bayesian-inference
causal-inference
deep-learning
information-retrieval
knowledge-graph
knowledge-representation
machine-learning
natural-language-processing
probabilistic-programming
question-answering
reasoning
recommender-systems
reinforcement-learning
了解机器学习和人工智能
项目最后更新：02/08/22
GitHub Stars
932
Forks数量
240
贡献者数量
1
许可证
Other
收录理由
这份项目不是视频课，也不是零散的代码片段，而是一套按序展开的纯文本笔记，逐一梳理机器学习的主要领域。作者把贝叶斯推断、因果推理、知识表示、自然语言处理与强化学习写进简洁的 Markdown 文件里，每篇都能独立阅读，拿来即用。面试前想快速过一遍知识框架，它是一份现成的提纲；组织读书会时，它又像一张松散的课程表；偶尔读到论文碰到生僻术语，翻一翻也能找到清晰的解释。整份笔记重在概念而非实现，读完后留下的不是某段代码的细节，而是理解原始论文和开源库所需的思维模型。它适合当学习伙伴，而不是能直接部署上线的工具。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
prompts.chat
前身为 Awesome ChatGPT Prompts。分享、发现和收集社区提示词。免费且开源——可自托管，为您的组织提供完全隐私。
JavaGuide
Java 面试 & 后端通用面试指南，覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
system-prompts-and-models-of-ai-tools
精选流行AI助手和编码代理的系统提示、内部工具和AI模型集合。
30-seconds-of-code
编程文章，助你提升开发技能
generative-ai-for-beginners
21节课，开始使用生成式AI构建