机器学习的数学基础
我最近读了一本开源的高质量外语书：《MATHEMATICS FOR MACHINE LEARNING》∶
作者是 Marc Peter Deisenroth，A Aldo Faisal 和 Cheng Soon Ong。这本书分为两部分，分别是数学基础（Mathematical Foundations）和 机器学习的主要问题（Central machine learning Problems）。
由浅入深地介绍了机器学习的数学地基以及四大支柱：
在未来，本公众号将对其部分内容进行翻译，目前确定的文章包括∶
【机器学习的数学基础】（一）线性代数(Linear Algebra)（上） 【机器学习的数学基础】（二）线性代数(Linear Algebra)（中） 【机器学习的数学基础】（三）线性代数(Linear Algebra)（下） 【机器学习的数学基础】（四）解析几何(Analytic Geometry)（上） 【机器学习的数学基础】（五）解析几何(Analytic Geometry)（下） 【机器学习的数学基础】（六）矩阵分解(Matrix Decompositions)(上) 【机器学习的数学基础】（七）矩阵分解(Matrix Decompositions)(中) 【机器学习的数学基础】（八）矩阵分解(Matrix Decompositions)(下) 【机器学习的数学基础】（九）向量微积分(Vector Calculus)(上) 【机器学习的数学基础】（十）向量微积分(Vector Calculus)(下) 【机器学习的数学基础】（十一）概率与分布(Probability and Distributions)(上) 【机器学习的数学基础】（十二）概率与分布(Probability and Distributions)(中) 【机器学习的数学基础】（十三）概率与分布(Probability and Distributions)(下) 【机器学习的数学基础】（十四）连续优化(Continuous Optimization)
敬请期待。
习惯看英文书籍的朋友可以在公众号后台回复【m4ml】获取这本书。
