資料| 《 機器學習數學基礎 》

2021-01-11 雷鋒網

《 機器學習數學基礎 》

機器學習構建於數學語言之上，以表達看似直觀實則難以形式化的概念。一旦得到恰當的形式化，我們就可以使用數學工具推導出機器學習算法設計的選擇結果。這幫助我們理解正在解決的任務，同時了解智能的本質。全球數學專業的學生常見的一種抱怨是數學話題似乎與實際問題沒有什麼相關。我們認為機器學習是促使人們學習數學的直接動力。

本書旨在作為構建現代機器學習基礎的大量數學文獻的指南。我們通過直接指出數學概念在基礎機器學習問題中的有用性來促進對數學概念學習的需求。為使書籍儘量簡短，我們省略了很多細節和高級概念。本書主要介紹基礎數學概念及其在機器學習語境中的意義，讀者可在章節最後找到進一步學習的大量資源。對於具備數學背景的讀者，本書提供簡潔但表述準確的機器學習概覽。與主要介紹機器學習方法和模型或編程知識的書籍不同，本書僅提供四個代表性機器學習算法。我們主要關注模型背後的數學概念，並描述其抽象之美。我們希望所有讀者能夠通過數學模型中的基礎選擇更加深入地了解機器學習應用中出現的機器學習基礎問題和相關的實際問題。

隨著機器學習應用在社會中的廣泛應用，我們認為每個人都應該了解其背後的原則。本書以學術數學風格寫成，可以幫助讀者準確理解機器學習背後的概念。我們鼓勵不熟悉這一風格的讀者堅持閱讀本書，並牢記每個話題的目標。我們將在文本中插入大量評論，希望可以幫助讀者獲取對全局的理解。本書假設讀者具備中學數學和物理知識。例如，讀者應該了解過導數和積分，以及二維三維幾何向量。因此，本書的目標讀者包括本科大學生、夜校學生和參與機器學習在線課程的人們。

同時在 Coursera 上開設了專修課程 「Mathematics for Machine Learning」，帝國理工學院（Imperial College London）出版，配合著書一起看，效果加倍噢~


相關文章：

資料 | 《 怎樣解題：數學競賽攻關寶典（第 2 版） 》

資料 | 《 Linux 命令行與 shell 腳本編程大全 》

資料下載 | 數學分析八講（修訂版） ：概述了數學分析的基本思想、基本概念和基本方法

資料 | 《 大話數據結構 》

資料 | 《 你不知道的 JavaScript（上卷） 》

資料 | 算法設計與分析基礎（第 3 版）

資料 | 《 JavaScript 高級程序設計（第3版）中文-高清 》

資料 | 《 圖解密碼技術（第 3 版） 》

資料 | 《 Java 8 實戰 》

資料 | 《 推薦系統實踐 》

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。

相關焦點

  • 機器學習:入門方法與學習路徑 (附資料)
    簡單說來，大概的一個學習路徑如下： 簡單說一點，之所以最左邊寫了『數學基礎』『典型機器學習算法』『編程基礎』三個並行的部分，是因為機器學習是一個將數學/算法理論和工程實踐緊密結合的領域，需要紮實的理論基礎幫助引導數據分析與模型調優，同時也需要精湛的工程開發能力去高效化地訓練和部署模型和服務。
  • 一文介紹機器學習中基本的數學符號
    在機器學習中，你永遠都繞不過數學符號。通常，只要有一個代數項或一個方程符號看不懂，你就完全看不懂整個過程是怎麼回事了。這種境況非常令人沮喪，尤其是對於那些正在成長中的機器學習初學者來說更是如此。如果你能了解一些基本的數學符號以及相關的小技巧，那你就在看懂機器學習方法的論文或書籍描述上前進了一大步。
  • 一書吃透機器學習!《機器學習基礎》來了,教材PDF、PPT可下載
    今天，一本名為Foundations of Machine Learning（《機器學習基礎》）的課在Reddit上熱度飆升至300，裡面可謂內容豐富。不僅有500多頁的課程PDF可以下載，並且還有13章的PPT也可以獲取。有Reddit網友評論，這部教材足夠紮實、內容足夠基礎，學機器學習理論，熟讀這本書就足夠了。
  • 超簡單機器學習入門好書推薦
    想要深入學習，可以先系統的看看相關的書籍和視頻課程，機器學習可以從兩個方向說起：學習算法和應用領域，如果你有足夠的機器學習知識，並對特定的領域有良好的理解，在職場供求中你肯定可以站在優勢的那一邊，以下為你推薦5本入門好書！1、周志華《機器學習理論導引》這本書為有志於學習和研究機器學習理論的讀者提供導引。
  • 四步教你零基礎如何提前一年準備考研數學,數學需要抓基礎
    今日話題：零基礎如何提前準備考研數學？一直以來有很多學生問木哥，如果數學零基礎，該如何準備考研數學，該什麼時候就開始準備複習？木哥就這個問題來給大家梳理一份詳細的可執行性方案出來，希望對大家有幫助。第一步：資料的準備針對考研數學最開始的複習，最好的資料就是高數同濟版本教材加上配套課後習題答案解析，然後線性代數和概率論直接用李永樂老師的輔導講義即可，其它資料什麼也不需要，我們需要的就是打好基礎。
  • 整理小升初六年級數學總複習資料,請收藏
    老實說，數學在小學考試中佔很大比例。如果您想數學考試成績高，則必須在平時掌握紮實的基礎知識和精通基本答題思維。建議從以下內容開始：1.培養學生的數學計算能力，分數和小數的混合運算，簡單運算，比例運算，方程式求解等知識點。計算是數學的基礎。
  • 深度學習和機器學習的線性代數入門
    ，因此AI學習者需要了解基本數學原理。神經元是深度學習的基本單位，該結構完全基於數學概念，即輸入和權重的乘積和。至於Sigmoid，ReLU等等激活函數也依賴於數學原理。正確理解機器學習和深度學習的概念，掌握以下這些數學領域至關重要：線性代數微積分矩陣分解概率論解析幾何機器學習和深度學習中的線性代數在機器學習中，很多情況下需要向量化處理，為此，掌握線性代數的知識至關重要。
  • 成為偉大的數據科學家需要掌握的基本數學
    數學是任何當代科學學科的基石。現代數據科學的幾乎所有技術，包括機器學習，都有深厚的數學基礎。毫無疑問，想要成為一個頂級的數據科學家，需要在各個方面都具有優勢如編程能力、一定的商業智慧、以及獨特的分析能力等。但了解「引擎蓋下的機械原理」總是有好處的。對算法背後的數學機制有一個深入的理解，將使你在同行中具有優勢。
  • 數學是怎樣學好的 高三數學零基礎從哪補
    數學是怎樣學好的 高三數學零基礎從哪補很多人想知道學好數學的方法有哪些，高三數學零基礎怎麼補呢?有哪些方法呢?下面小編為大家介紹一下!高三數學零基礎補習方法有哪些一、首先構建知識網絡。
  • 機器學習從入門到進階丨統計學習的關鍵概念
    轉化過程是和數學相關的，用數學成分計算輸入數據來預估輸出，這些數學成分稱為參數。 如下例： 是什麼決定了某人的收入？例如收入是由受教育程度和工作經驗決定的。
  • 優秀機器學習和AI課程推薦,帶你從入門到精通
    字幕組雙語原文：最棒的免費機器學習和AI課程，讓你從入門到精通英語原文：Awesome Machine Learning and AI Courses翻譯：雷鋒字幕組（明明知道）這是一個精心策劃、超讚的、免費的機器學習和人工智慧課程與視頻講座清單。
  • 概率機器學習綻放光彩,Uber首席科學家獲英國皇家學會獎項
    近日，英國皇家學會頒發 2021 年米爾納獎（Royal Society Milner Award and Lecture），劍橋大學信息工程學教授 Zoubin Ghahramani 因其對概率機器學習的基礎貢獻獲得此獎項。
  • 數學公式太晦澀,不如用代碼寫出來:這是程式設計師學數學的獨特方式
    選自TowardDataScience作者：Ian Rowan機器之心編譯參與：Panda W、一鳴簡潔的代碼不僅能運行程序，還能用來學數學。∑、∏、∈……如果你學習過數學，你一定知道這些符號的含義，而如果我們能用最喜歡的程式語言來理解它們，也許還能帶來更加透徹的領悟。
  • AI Time 第二期:論道自動機器學習與可解釋機器學習
    第二期以「論道自動機器學習和可解釋機器學習」為主題，現場嘉賓針對多個問題，如自動機器學習（AutoML）和可解釋機器學習（Explainable ML）的區別、各自優劣、未來發展等展開精彩討論。接下來，雷鋒網 AI 科技評論將選取嘉賓的真知灼見，讓大家在這場思辨會中對 autoML 和 Explainable ML 增添一份了解，對他們的差異有更深入的認識。
  • 沒有電腦基礎是否可以學習電腦專業
    首先，對於沒有計算機基礎的學生來說也是完全可以學習計算機專業的。計算機專業有眾多方向，有的方向對於基礎學科是有一定要求的，比如軟體開發方向對於數學基礎就有一定的要求，如果具有紮實的數學基礎，未來可以在軟體開發領域走得更遠，因為軟體開發問題說到底就是個數學問題。另外，大數據、人工智慧等新興專業對於數學也有較高的要求，尤其是數據分析、機器學習、計算機視覺、機器人學等細分方向更是如此。
  • 7年級下冊數學各單元基礎知識填空+專項複習題,練習鞏固
    很多小學數學成績不錯的孩子，到了初中就不適應了，為什麼？一方面是接受知識慢，反應不夠快；另一方面是對於證明題不適應，對代數式不熟悉。很多同學數字的計算沒有太大問題，但是代數式運算很不熟練；證明題比較弱，不管是集合的證明還是代數的證明；知識整合能力弱，無法自己歸納總結。
  • 媒體刊文:數學思維今何在?
    密碼學家王曉雲日前獲得了2019年未來科學大獎數學與計算機科學獎。她提出密碼哈希函數的碰撞攻擊理論，推動幫助新一代密碼哈希函數標準的設計，已在金融、交通等重要領域廣泛使用，並對支撐網絡信息安全方面作出重要貢獻。數學作為自然科學的基礎，其實力往往影響著國家實力。幾乎所有重大發現都與數學的發展相關，它是學習和研究現代科學技術必不可少的基本工具。
  • 培養5種數學意識,掌握5種基礎數學思想,成為一個有數學思想的人
    數學思想的層次要高於數學知識和具體的數學觀點，而低於哲學和一般科學思想，基本數學思想作為數學思想的奠基性或總括性成分，統攝著數學的全部概念和方法。因此，依賴數學思想可以將數學概念、定理、方法等知識內容，籠絡到自己的認知結構當中。
  • 最入門級別的機器學習圖書:Chris Bishop發布在線新書
    PRML 大神、微軟劍橋研究院院長 Chris Bishop 與 John Winn 的機器學習新書 Model Based Machine Learning（基於模型的機器學習）不久之前剛剛公布。本書從實際案例出發，每一章節都著重從頭解決一個問題，本書從最基礎的概念開始，一步步帶領讀者體會機器學習建模解決問題的思路。本書現有 5 個章節，其他章節將陸續推出。
  • 計算機專業的同學,是否需要把大量的時間用在學習數學上
    首先，對於學習計算機專業的同學來說，數學基礎還是非常重要的，因為計算機軟體問題說到底就是數學問題，未來不論是要進入大數據領域發展，還是要進入區塊鏈、人工智慧等領域發展，數學基礎都是非常重要的。可以說，如果想在計算機軟體研發領域走得更遠，一定要有一個紮實的數學基礎。