同学你好，欢迎来到 L.D.J 的私家工坊

从机器学习的定义、发展脉络与典型任务出发，梳理主要学习范式、研究方向、泛化问题与课程整体框架

从博弈树和极小极大算法讲到 Alpha-Beta 剪枝、蒙特卡洛树搜索、UCB、策略网络、价值网络与 AlphaGo Zero

以 Markov、Chebyshev、Hoeffding、Cauchy-Schwarz 和 Jensen 不等式为基础，建立 PAC 学习、样本复杂度、打散与 VC 维的完整逻辑

从平方误差、伪逆解和正则化推导线性回归，并串联梯度下降、感知机、反向传播及从传统模型到大模型的演进

梳理先验、似然、后验、MAP 与最大似然估计，并展开朴素贝叶斯、参数估计、EM 与混合模型

从马尔可夫性与状态转移出发，建立 HMM 的参数表示、概率计算、Viterbi 解码、参数学习与序列识别应用