本章节内容的局限性
作为一个本科生和部分研究生为主书写的教程，必须承认的是，我们在本章节内容，存在非常多的局限性，而本节内容，就是对目前存在的局限性和为什么还没有立马改进做的一定解释。
缺少一些前沿的内容
让我们时时刻刻都跟进最前沿的内容并且进行输出是相当困难的，当然我们也欢迎各位得贡献
少有机器学习的一些算法
机器学习领域有非常庞大的知识体系和一代人十几年的积累。
无数伟大的科学家究其一生的研究和探索它，但是你发现本章内容少有相关内容，还是以深度学习为主？为什么？
原因一：时代的浪潮
近乎全民深度学习的浪潮下，机器学习的知识被科研界一而再再而三的抛掷脑后，大家争先恐后的刷点，并使用深度学习的解决问题，因此深度学习领域的知识材料得到了井喷式的增长，而少有人愿意投入非常长的时间去研究机器学习的每一条数学公式的背后机理。
也正因如此，诸位花费自己的大学四年时光去钻研几条算法兴许是有意义的，但是对你拓展视野增长知识面的帮助没那么大，也没有办法帮助你引导到一些实操项目的工作中去，因此除了真正热爱的那一批人以外，过多的投入时间去学机器学习知识可能会让你感觉患得患失最后半途而废。
原因二：算法的性质
算法的性质就是严谨，一丝不苟的推导。因此，他涉及了大量的数学方程以及严谨的一步一步的推导过程。在学习的过程中，没有捷径，也没有更快的方法，你只能踏踏实实一步一步的进行积累。
而本教程的性质更偏向于导学，当你决心在机器学习算法深耕的时候，你已经脱离了需要导学的范畴更偏向于领域内容钻研，这是一项伟大的但是在当今时代略有吃力不讨好的工作，我真心祝愿你能乐在其中～感受到学习的快乐。
原因三：缺乏应用空间
ZZM 曾经尝试过投入大量时间去钻研数学以及机器学习相关的算法，但是发现了一个很残酷的现实就是，我们欠缺的积累和知识不是靠猛然突击可以弥补的，自己学都很吃力了，写出来不是误人子弟么 hhhh。
同时，尽管知识的内容让人很快乐，但是如果你不经常使用，或者实打实的拿一张白纸从头到尾推演一遍的话，你忘记的速度是非常快的，因此我们写下他，你们看一遍甚至说认真的阅览一遍，也不会留下太多内容。
如果真的感兴趣这方面内容呢
如果你阅览了本章节的数学相关知识和内容以及拓展感觉非常感兴趣并且毫无压力的话，我推荐你尝试去啃一啃大家公认的困难的书籍，比如说著名的花书，互联网上，社区内也有大量的辅助材料来帮助你更进一步的入门
科研导向明显
整篇教程大范围的在教怎么从科研角度去理解一些知识，感觉和工业上的逻有不符之处。
确实如此，工业界的逻辑和科研界的逻辑是截然不同的。
工业界的逻辑更偏向于低成本，高产出。而科研更偏向于你在一个好故事的背景下做了如何优雅的提升。
粗鲁地说就是工业更注重你这个项目，如果现在有一百万人用，能不能把百分之九十正确率的这个东西用好，科研更偏向于九十五到九十九。
我们自身并没有接触过太多的工业项目，也无法深入大厂去揭示他的算法，自然就算写东西写出来也不具备任何说服力。
因此如果你对这方面感兴趣，可能你需要别的途径去获取更多的思考和资源了。
繁杂的知识内容
这点非常抱歉，AI 领域的知识本身就是网状的，复杂的，甚至是互相引用的，这点会导致不可避免的内容变得冗长。
可能需要你花费大量的时间建立自己的知识框架和逻辑体系
而不是别人强行灌输给你的
还有更多？？？
联系 ZZM，我努力改
