教材

我寫文章是希望讀者能很清楚知道

1. 機器/深度學習的方法是怎麼運作

2. 理論是怎麼推導

我在方法介紹運作方法，盡量都用圖解方式寫的清楚方法是怎麼執行，主要原因是網路找到的資源大多寫的很模糊，在理論推導部份也是，所以推導部份我盡量推的很細，很多資源推導幾乎都會跳來跳去，不知道在寫什麼。

機器學習基本上可以稱為聖經之類的書，前幾章節一定是複習基礎數學。就算是Goodfellow最夯的深度學習(Deep learning)教科書Part I (Applied Math and Machine Learning Basics)都是在介紹線性代數、機率和訊息理論、數值分析等。每一項幾乎都是大學一學習甚至兩學期的課程，但大部分的書內基本上只會把機器學習和深度學習會用到的做個簡單介紹，所以大學有好好上線性代數、基礎統計學的，如果是要學理論基本上都可以很快上手。

當然有很多「實戰的書籍」，如下 深度學習 — Caffe之經典模型詳解與實戰，這本我自己也有買，這本書不錯，如果只是要懂深度學習比較流行的模型架構，這類別的書很合適。但你想詳細知道理論，這類型的書很不合適，我不認為有老師會推薦這類的書當作機器學習或是深度學習理論的教科書。

以下為我撰寫之內容整理，我盡量有系統的整理到相關的類別內，當然有些方法是可以互通的，比如神經網路可以用在分類也可以用在回歸預測上。