书籍介绍
内容提要 本书的目标是帮助读者全面、系统地学习机器学习所必须的数学知识。全书由8章组成，力求精准、最小地覆盖机器学习的数学知识。包括微积分，线性代数与矩阵论，最优化方法，概率论，信息论，随机过程，以及图论。本书从机器学习的角度讲授这些数学知识，对它们在该领域的应用举例说明，使读者对某些抽象的数学知识和理论的实际应用有直观、具体的认识。 本书内容紧凑，结构清晰，深入浅出，讲解详细。可用作计算机、人工智能、电子工程、自动化、数学等相关专业的教材与教学参考书。对人工智能领域的工程技术人员与产品研发人员，本书也有很强的参考价值。对于广大数学与应用的数学爱好者，本书亦为适合自学的读本。
雷明，资深机器学习、机器视觉专家。毕业于清华大学计算机系，研究方向为机器视觉、机器学习，曾发表论文数篇。《机器学习-原理、算法与应用》畅销书作者。曾任百度项目经理；zmodo/meShare公司CTO、平台研发中心负责人。SIGAI创始人，致力于研发零编程、可视化的机器视觉框架，用标准化的算法赋能各个行业。
目录
第1 章一元函数微积分1
1.1 极限与连续. . . . . . . . . . . . . . 1
1.1.1 可数集与不可数集. . . . . . . . 1
1.1.2 数列的极限. . . . . . . . . . . . 3
1.1.3 函数的极限. . . . . . . . . . . . 7
显示全部
用户评论
这是一本适合初学机器学习的非专业入门书。作者是计算机专业，非数学专业，从实用角度看问题，浅显易懂，实用性强，适合数学基础一般，但有需要使用的工科学生。
内容全面，逻辑清晰，适合搞算法的时候随手翻两页~
一开始有被目录吓到，但读着还挺顺畅，作者有点东西
内容讲得比较一般，东拼西凑的水平。但是作者给出的这个知识框架很不错，可以顺藤摸瓜完善自己缺失的知识点
机器学习的数学 << 同济版《高等数学》 + Lay 《线性代数及其应用》 + 陈希孺《概率论与数理统计》。我不到30分钟翻完了，你信？这类书籍就不要重复其他书籍里的内容了，大杂烩也不全像猪肉白菜炖粉条那么好吃
国内的这些书啊，是写给人看的吗？！生怕你学会似的！！！
写得很详细很合理，适合机器学习已经有点入门，对相关的数学基础查漏补缺
适合有基础数学基础的同学学习使用，还是公式比较多的，结合着视频才能看懂。
我也只看懂了30%，用到了当做工具书吧。
本书的目标受众是那些系统学过大学数学但是由于时间较长而遗忘的读者。如果你对高数、概率、线性代数、优化方法甚至更高深的数学已经了如指掌当然不适合你，可能你会觉得作者就是搬运工。但是，如果你对这些数学知识已经渐渐淡忘，但是又想读明白机器学习文献中的那些公式，那么无疑本书是帮你快速回顾那些与机器学习密切相关的数学知识的好帮手。特别是，书中给出的这些数学方法在机器学习中的具体应用非常适合入门读者。总之，这本书有其存在的价值。读起来也很流畅，推荐想弥补数学基础，又没有时间一本本从新学习大学那些数学教材的读者认真阅读。