1
| 本文作者： AI研习社 | 2020-05-20 10:09 |
下载地址：
https://www.yanxishe.com/resourceDetail/1515?from=leiphonecolumn_res0520
以下书籍介绍来自豆瓣
《机器学习中的数学》是一本系统介绍机器学习中涉及的数学知识的入门图书，本书从机器学习中的数学入门开始，以展示数学的友好性为原则，讲述了机器学习中的一些常见的数学知识。机器学习作为人工智能的核心技术，对于数学基础薄弱的人来说，其台阶是陡峭的，本书力争在陡峭的台阶前搭建一个斜坡，为读者铺平机器学习的数学之路。
《机器学习中的数学》共19章，分为线性代数、高等数学和概率3个组成部分。第 1 部分包括向量、向量的点积与叉积、行列式、代数余子式、矩阵、矩阵和方程组、矩阵的秩、逆矩阵、高斯—诺尔当消元法、消元矩阵与置换矩阵、矩阵的LU分解、欧几里得距离、曼哈顿距离、切比雪夫距离、夹角余弦等；第2部分包括导数、微分、不定积分、定积分、弧长、偏导、多重积分、参数方程、极坐标系、柱坐标系、球坐标系、梯度、梯度下降算法、方向导数、线性近似、二阶近似、泰勒公式、牛顿法、zuixiao二乘法、求解极值、拉格朗日乘子法、KKT条件、欧拉—拉格朗日方程等；第3部分包括概率、古典概型、几何概型、互斥事件、独立事件、分布函数、离散型分布、连续型分布等。
《机器学习中的数学》内容全面，语言简练，实例典型，实用性强，立足于“友好数学”，与机器学习完美对接，适合想要了解机器学习与深度学习但数学基础较为薄弱的程序员阅读，也适合作为各大高等院校机器学习相关专业的教材。机器学习及数学爱好者、海量数据挖掘与分析人员、金融智能化从业人员等也可选择本书参考学习。
作者简介 · · · · · ·
孙博，苏州工业园区高技能领军人才，机器学习爱好者，擅长软件算法和软件结构设计。曾在CSDN及多个知名博客网站发表多篇技术文章，深受读者喜爱。目前任公司CTO，主持校企合作实习平台的建设和搞笑的软件培训工作。
AI 研习社已经和阿里大文娱、旷视、搜狗搜索、小米等知名公司达成联系，帮助大家更好地求职找工作，一键投递简历至 HR 后台，准备了一些内推渠道群。
欢迎大家添加研习社小学妹微信（aiyanxishe），小学妹拉你加入（备注求职）。
雷锋网雷锋网雷锋网
相关文章：
资料 | 【中译本】Effective Python. 编写高质量 Python 代码的 59 个有效方法.Brett Slatkin
资料 | 重磅！阿里达摩院发布2020十大科技趋势（附PDF）
资料 | Python入门经典：以解决计算问题为导向的Python编程实践
资料 | 2019年新书《基于PyTorch的自然语言处理》pdf
资料 | 普林斯顿大学陈丹琦主讲2020课程《深度学习自然语言处理》课程课件
资料 | Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020）PPT
资料 |《 21 个项目玩转深度学习——基于TensorFlow 的实践详解 》
资料 | 《 具体数学 计算机科学基础（第2版）-中英双版 》
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
