《 機器學習數(shù)學基礎 》

機器學習構(gòu)建于數(shù)學語言之上，以表達看似直觀實則難以形式化的概念。一旦得到恰當?shù)男问交覀兙涂梢允褂脭?shù)學工具推導出機器學習算法設計的選擇結(jié)果。這幫助我們理解正在解決的任務，同時了解智能的本質(zhì)。全球數(shù)學專業(yè)的學生常見的一種抱怨是數(shù)學話題似乎與實際問題沒有什么相關(guān)。我們認為機器學習是促使人們學習數(shù)學的直接動力。

本書旨在作為構(gòu)建現(xiàn)代機器學習基礎的大量數(shù)學文獻的指南。我們通過直接指出數(shù)學概念在基礎機器學習問題中的有用性來促進對數(shù)學概念學習的需求。為使書籍盡量簡短，我們省略了很多細節(jié)和高級概念。本書主要介紹基礎數(shù)學概念及其在機器學習語境中的意義，讀者可在章節(jié)最后找到進一步學習的大量資源。對于具備數(shù)學背景的讀者，本書提供簡潔但表述準確的機器學習概覽。與主要介紹機器學習方法和模型或編程知識的書籍不同，本書僅提供四個代表性機器學習算法。我們主要關(guān)注模型背后的數(shù)學概念，并描述其抽象之美。我們希望所有讀者能夠通過數(shù)學模型中的基礎選擇更加深入地了解機器學習應用中出現(xiàn)的機器學習基礎問題和相關(guān)的實際問題。

隨著機器學習應用在社會中的廣泛應用，我們認為每個人都應該了解其背后的原則。本書以學術(shù)數(shù)學風格寫成，可以幫助讀者準確理解機器學習背后的概念。我們鼓勵不熟悉這一風格的讀者堅持閱讀本書，并牢記每個話題的目標。我們將在文本中插入大量評論，希望可以幫助讀者獲取對全局的理解。本書假設讀者具備中學數(shù)學和物理知識。例如，讀者應該了解過導數(shù)和積分，以及二維三維幾何向量。因此，本書的目標讀者包括本科大學生、夜校學生和參與機器學習在線課程的人們。

同時在 Coursera 上開設了專修課程 “Mathematics for Machine Learning”，帝國理工學院（Imperial College London）出版，配合著書一起看，效果加倍噢~

? 掃碼或點擊下方鏈接進社區(qū)收藏下載?

下載鏈接：https://www.yanxishe.com/resourceDetail/995?from=leiphonecolumn_res0316

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)