統計機器學習
含有「統計機器學習」共 8 篇內容
全部內容
發佈日期由新至舊
專題式學習，是將所有可調動的資源集中到一個專門的問題上，從而形成自己的核心競爭力。這種方法可以將學習效果最大化，使我們在某一領域內迅速建立起專業知識。
▋聚焦專題
劉瀾老師在《學習力30講》中提到，只有聚焦於一個專題，才能將其變成擅長領域，形成核心競爭力。當心中有了專題，看待資訊的角度會
自2017年7月來到美國讀博士，
今年2024年已經是在美國的第七年了。
2017-2022這五年，
我在美國印第安納州西拉法葉的普渡大學統計系攻讀博士學位。
當時的研究課題是線上機器學習（Online Machine Learning）以及強盜演算法（Bandit Algo
所謂研究的工作，有8個階段： A 問題提起 (思考等級) B 探檢 (經驗等級) C 觀察 (經驗等級) D 發想 (思考等級) E 採取假說，推論 (思考等級) F 實驗計畫 (經驗等級) G 觀察 (經驗等級) H 檢證 (思考等級)
以下內容是我閱讀Probabilistic Graphical Model, Koller 2009一書的讀書筆記，未來將不定期新增內容，此技術屬AI人工智慧範疇。
在第二章會介紹機率相關概念，這也是貫穿整本書的基礎。
2.1.1.2 Probability Distributions
以下內容是我閱讀Probabilistic Graphical Model, Koller 2009一書的讀書筆記，未來將不定期新增內容，此技術屬AI人工智慧範疇。
在第二章會介紹機率相關概念，這也是貫穿整本書的基礎。
2 Probability Theory
2.1 Motivation
以下內容是我閱讀Probabilistic Graphical Model, Koller 2009一書的讀書筆記，未來將不定期新增內容，此技術屬AI人工智慧範疇。
1.4 Historical Notes
這節闡述Probabilistic Graphical Model的崛起歷史，當中尚做了
第一章結束，若有需要Latex PDF檔，可mail至[email protected]
在學術寫作中，掌握「關鍵字閱讀」技術至關重要。
對於學術研究者來說，
有效地從大量的學術文獻中提煉出核心資訊是一項挑戰。
關鍵字閱讀不僅可以幫助你避免被不必要的細節所淹沒，
還能讓你更聚焦於與研究主題相關的資訊。
結合「書目卡 Bibcard」的使用，
這種閱讀方式能夠大大提高你的閱讀效
這篇文章想與你分享，我閱讀動態定價(Dynamic Pricing)入門文章後，產生的理解與思考。
