《机器学习系统与优化》是我们系这学期的核心课教材,主要讲怎么把机器学习算法落地到实际系统中,以及模型训练和推理时的性能优化技巧。书里既有理论推导,也有工程案例,比如分布式训练、模型压缩这些内容,感觉比单纯讲算法那本要更贴近工业界。
上课后发现光看书不够用,很多实验和项目需要配套的代码示例、幻灯片或者课后习题的参考答案才能跟上。我在网上搜了一些博客和公开课笔记,但感觉还是缺一份完整的课后习题解析和实验指南。不知道学姐学长们当年有没有整理过?或者有没有推荐的在线课程可以配合着学?
我个人习惯先把每章的结构画成思维导图,再对着代码跑一遍例子。但像分布式优化那部分比较抽象,总是卡住。如果有同学用这本书考过高分,求分享一点学习经验:比如哪些章节需要多刷题、哪个实验坑最多,或者有没有好的开源项目能帮助理解?提前谢谢大家啦!