《Mathematics for Machine Learning》是由伦敦帝国理工学院David F. Greenberg教授编写的一份讲义，系统介绍了机器学习所需的数学基础。| #机器学习

内容涵盖线性代数、概率论、统计学和优化等核心领域，旨在帮助读者理解机器学习算法背后的数学原理。

讲义结构清晰，注重理论与实际应用的结合，适合对机器学习感兴趣的学生、研究人员和从业者作为自学或参考资料

一套非常实用的提示词优化方法，核心思想是利用大语言模型（LLM）自身的知识和权重来生成、评估和改进提示词。

首先，让LLM针对特定受众生成提示词工程指南和评估指南；其次，通过Few-shot展示期望的提示词效果；然后，让LLM根据示例生成并评估提示词；最后，生成改进后的提示词供选择和编辑。

这种方法充分利用了LLM的内在能力，旨在生成比人工编写更高效的提示词。