目录

1. 了解什么是Machine learning
2. 学习中心极限定理，学习正态分布，学习最大似然估计
3. 推导回归Loss function
4. 学习损失函数与凸函数之间的关系
5. 了解全局最优和局部最优
6. 学习导数，泰勒展开
7. 推导梯度下降公式
8. 写出梯度下降的代码
9. 学习L2-Norm，L1-Norm，L0-Norm
10. 推导正则化公式
11. 说明为什么用L1-Norm代替L0-Norm
12. 学习为什么只对w/Θ做限制，不对b做限制