如果是搞学术/工作
几乎都是主动阅读
带着目的与问题去找相关资料，自然知道公式该不该看
信息浩如烟海，系统的读只适用于通识/休闲
对我来说长串的推导已经很数学了 
这种偷懒不好吧。。。你哪怕扔appendix稍微跳个几步也就算了…
你要先想一下，你需要弄明白这个推导的原理么，还是说只要推导make sense，你实际上用的是theorem equation, corollary和lemma，哈哈我说的就是engineer。如果你只需要用结果那就真的别花太多心思在推理上面。
读数学公式，就像吃饭喝水一样轻松
real pattern recognition, ML证明里面很多都是概率论常用工具, 推过用过几次自然看起来就顺畅了
楼上装x的不要 
1 个赞
成为法国人（大雾）
就 想想当年第一本英文书是怎么读下来的
数学语言也是语言
其实
没骗你，PRML里面还真跟 @a100 说的一样没啥数学 （怎么跑了……快回来听我编故事）关键是得和作者有点默契。
就比如说Bishop根本没跟你认真解释为什么这么喜欢Bayesian，但我们都是见证Wilson扭转心灵的革命长大的，还需要什么额外解释吗？同理，为什么喜欢graphical model需要解释吗？写latent variable的时候心里想着什么需要解释吗？
读它其实是一个隔着一本书和作者主动交流的过程，比起纯粹的“阅读”来更像是这种心态：我们师出同门，Bishop先行一步，以心传心，给我展示了他走过的路，然后我有自己的路要走。
朱老师不好好学习纤维丛来搞这些鬼东西有啥用
PRML这破玩意现在还有啥用？
我觉得找会的人讨论会快一点，虽然有时候找人请教也要付出一定的代价，但自己一行一行琢磨，有时候还误入歧途真是让人头秃 
一般想一想能理解的就动手跟着推导一下。觉得烦了就跳过。主打一个不别扭
羊毛丛没意思啊，局部还是trivial的，描述不了咱们牧场里山羊群这么复杂的非线性动力学