《机器学习数学基础》

今日资料推荐

《机器学习数学基础》

机器学习构建于数学语言之上，以表达看似直观实则难以形式化的概念。一旦得到恰当的形式化，我们就可以使用数学工具推导出机器学习算法设计的选择结果。这帮助我们理解正在解决的任务，同时了解智能的本质。全球数学专业的学生常见的一种抱怨是数学话题似乎与实际问题没有什么相关。我们认为机器学习是促使人们学习数学的直接动力。

本书旨在作为构建现代机器学习基础的大量数学文献的指南。我们通过直接指出数学概念在基础机器学习问题中的有用性来促进对数学概念学习的需求。为使书籍尽量简短，我们省略了很多细节和高级概念。本书主要介绍基础数学概念及其在机器学习语境中的意义，读者可在章节最后找到进一步学习的大量资源。对于具备数学背景的读者，本书提供简洁但表述准确的机器学习概览。与主要介绍机器学习方法和模型或编程知识的书籍不同，本书仅提供四个代表性机器学习算法。我们主要关注模型背后的数学概念，并描述其抽象之美。我们希望所有读者能够通过数学模型中的基础选择更加深入地了解机器学习应用中出现的机器学习基础问题和相关的实际问题。

随着机器学习应用在社会中的广泛应用，我们认为每个人都应该了解其背后的原则。本书以学术数学风格写成，可以帮助读者准确理解机器学习背后的概念。我们鼓励不熟悉这一风格的读者坚持阅读本书，并牢记每个话题的目标。我们将在文本中插入大量评论，希望可以帮助读者获取对全局的理解。本书假设读者具备中学数学和物理知识。例如，读者应该了解过导数和积分，以及二维三维几何向量。因此，本书的目标读者包括本科大学生、夜校学生和参与机器学习在线课程的人们。

同时在 Coursera 上开设了专修课程 “Mathematics for Machine Learning”，帝国理工学院（Imperial College London）出版，配合着书一起看，效果加倍噢~