最近几年，AI 变得前所未有的强大。大模型会写代码、答论文，甚至能设计架构、生成产品创意，人人都能用，但懂原理的人却越来越少。

很多开发者开始意识到：不搞清楚模型背后的理论逻辑，只会用是不够的。

可当你真的想系统学一遍机器学习，从学习理论、优化推导到模型架构，才发现中文世界里系统、严谨、可读的资料少之又少。

但现在，你不用再东翻西找了，香港浸会大学徐亦达教授亲手整理的经典课程笔记合集在不久前已上线 Gitee：

链接在此 👇 https://gitee.com/profxuyida/machine-learning-notes

它由徐亦达教授亲自整理，十年机器学习课程精华，一次性开放。从 PAC 学习、Rademacher 复杂度，到 CNN、Attention、强化学习都有讲解。

仓库里有什么？

仓库以模块化方式组织了从基础到进阶的知识体系，每一个主题都配有完整的数学推导与图示，不走捷径、不跳步骤，严谨又可读：

理论核心模块（节选）

• 学习理论（Learning Theory）：PAC 学习、VC 维、Rademacher 复杂度、NML Bound…

• 优化方法与信息论：极大似然估计、EM 算法、KKT 条件、Lagrange 对偶问题…

• 深度学习结构推导：MLP、CNN、Attention、Transformer、Neural Tangent Kernel…

• 强化学习原理：Bellman 方程、Q-learning、策略梯度…

• 其他模块：NLP 入门、三维几何基础、数学基础、概率图模型等

格式包含 PDF / PPT / Markdown 等，部分还有配套演示代码，适合自学、授课、复习等多种用途。

作者介绍

徐亦达教授现任香港浸会大学数学系教授，过去十余年，他持续在教学中打磨这套内容，并通过直播、社群和开源项目将其公开。他也在 README 中写道：

「希望这些资料能帮助更多人从基础构建理论体系，欢迎有志同道合者加入研究团队。」

给准备学的人一点提醒

• 本仓库未指定开源许可证，请勿将内容直接用于出版、商用、收费课程等用途；

• 仓库内容偏理论、推导量大，适合已有一定数学基础者深入学习；

• 想查进阶主题、辅助代码、PPT 内容，建议结合作者在 B 站的视频课程使用。