想要學好機器學習，要先打好數學基礎。
然而，數學知識千千萬，到底該從哪裏入門，怎樣才能系統學習呢？這裏有一本機器學習數學“百科全書”，瞭解一下？
此書來自賓夕法尼亞大學計算機與信息科學系，涵蓋代數，拓撲，微積分和優化理論。
打開細看，一股豐盛的數學大餐的氣息迎面撲來：
內置9大章節，1962頁全面豐富的計算機科學和機器學習相關數學知識，有教學，還有習題。
… …
難怪有網友表示：這裏已經涵蓋了你所需要的全部數學知識。
機器學習的數學百科全書
9個大的章節，囊括計算機科學和機器學習中涉及到的各種數學知識：
-
線性代數
-
仿射和射影幾何
-
雙線性形式的幾何
-
代數：主理想整環（PID），唯一分解整環（UFD），諾特環，張量，PID上的模，範式
-
拓撲，微積分
-
優化理論基礎
-
線性優化
-
非線性優化
-
機器學習中的應用
作者還給劃了重點：
在基本代數結構，羣、環、場及向量空間這四章中，重點是向量空間。
在每一章的末尾，也會有相應的知識點總結，和配套課後練習。
這樣一份“百科全書”，還真是驚喜與“驚嚇”並存：
有網友則評論說，很難想象如何完全學完這本書。不過作爲一本百科全書來參考是很不錯的。
作者
這本書的作者，是賓夕法尼亞大學計算機與信息科學系教授Jean Gallier，和Jocelyn Quaintance。
Jean Gallier教授的研究領域爲計算機視覺和計算機圖形學，同時，他也在賓夕法尼亞大學數學系任教。
資源獲取
掃描下方的二維碼，關注小幸的個人公衆號（學術創客）。發送關鍵詞：200704數學基礎，即可獲取該書。
