机器学习数学入门路线：从微积分到 LLM 的 7 门课
burny_tech · x · 2026-08-28
博主整理了一份系统的机器学习学习路径，涵盖数学基础到前沿模型，资源均来自 MIT、Stanford 等名校的免费公开课。
核心学习顺序：
- 计算机科学数学 (Mathematics for Computer Science)
- 微积分 (单变量与多变量)
- 线性代数
- 概率论
- 机器学习 (Machine Learning)
进阶方向：
- 深度学习 (Deep Learning)
- Transformer 与 LLM
补充推荐：
- Andrej Karpathy 的「Zero to Hero」系列：从零开始用 Python 实现 LLM，数学门槛较低，适合通过实践理解原理。
「研究」频道最新
- 实测 7400 条轨迹：Terminus 2 最精简，CC/Codex 上下文膨胀三倍 — zainhas · 2026-08-28
- 谷歌 PPE 引擎综述：多领域预测精度显著超越专家管线 — ymatias · 2026-08-28
- Google Earth AI 推出行星预测引擎：自然语言生成地理洞察 — ymatias · 2026-08-28
- METR 发布 Hugging Face 攻击报告，被誉后人类文明首份人类学 — anderssandberg · 2026-08-28
- 视觉论文陷入“Instagram 时刻”：重结果轻科学，复现困难 — taiyasaki · 2026-08-28
- Judea Pearl：基因与 IQ 之争可循吸烟致癌路径科学求解 — yudapearl · 2026-08-28