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。