python部分

python部分根据网络推荐，从小甲鱼教程入门，暂时听起来还可以，视频在网易云课堂可以搜索到《零基础入门学习python》

目前学到第三课，变量和字符串，感触主要有两点：

1.python比C语言更简洁，同时对格式要求更高

简洁体现在字符串拼接，数字运算等方面，对coder非常友好。因为取消了C中的{}，使用Tab键划分函数范围，所以格式显得更整齐，但是必须写对，不然可能会出现逻辑错误。

2.python的变量之间的区分感觉没有那么清晰

可能是错觉--_--。但是python的变量好像更加……随意？

像是C中的printf要输出int变量的话，要对应有%d来确保输出正确。python中就更加随意一些，定义直接赋值，也不用声明类型。感觉怪怪的。

深度学习部分

粗略搜了搜，资料是在太多，不知从何下手，索性从知乎回答中推荐的《一天搞懂深度学习》入手。

下载了300页pdf版本ppt，发现英文术语比较多，随便去B站搜到一个简要讲解pdf概要的视频，口音很萌，但是讲的好像还可以，听了一遍也没记住多少，碰巧看到了B站一个叫做《机器学习中的数学基础》的视频，听起来好像我很需要嘛，先去试试看，回来再总结。

同时也发现一个知乎专栏，讲的也是机器学习的数学基础，好像挺好的，也很简洁，Mark一下。

《机器学习中的数学基础》视频作者是从工程上走到机器学习的，跟我自己比较像。

机器学习算法的分类

得分函数，是指一个神经元中，权重w，偏置b，这两组参数组成的函数，通过将数据输入这个函数，可以给出分析结果。

机器学习算法最核心的目标就是得出一组适当的w，b的参数值，使得分析结果最贴近实际结果。

权重值怎么求，就需要引入“损失函数”的概念。损失函数就是“权重值对应的得分函数”的误差函数，找出使得损失函数最小的权重值（参数值），就是找出使得分析结果最贴近实际结果的得分函数，也就是模式的最优化。

机器学习算法举例

使用微积分，求解最优函数。

夹逼定理，x∈U（）$\sqrt x$

WTF，写公式太不友好了。弃了弃了。