机器学习入门0-java程序员入门机器学习被什么卡住了
机器学习==数学分析(微分、积分、线性代数)+统计学(频率学派、bayes学派、甚至有小部分统计物理学内容)+优化理论+算法+编程+英文资料
我们java程序员会什么？会编程，实力可以的基本能无障碍实现大部分算法。
那么剩余的哪些东东呢？大部分java程序员应该是听过，但不一定深入了解过。
微分、积分 也就是 微积分，本科数学都学过，名字叫 高等数学。
大家都知道 微积分 同时 被 牛顿 和 莱布尼茨 创立的， 但大家可能不知道 牛顿 和 莱布尼茨 的 微积分 思想是不一样的。我们大学高等数学教科书里的微积分大致是牛顿学派的，讲究严格性，为了严格性 甚至可以牺牲 可读性 、可理解性 、启发性，所以大家才有现在的感受 高等数学 学的云里雾里的，特别是 epsilon-sigma语言。
但是 莱布尼茨 为了 可读性、可理解性、启发性 选择了 部分牺牲严格性，莱布尼茨学派在现代还是存在的 基本上 叫 非标准无穷小分析 或 非标准数学分析（牺牲的严格性 已经被修复了）。
讲到这里，大家恐怕已经明白了，如果选择莱布尼茨学派的微积分来学习，应该能学的懂 微积分（微积分 又叫 无穷分析）。
而 统计学、优化理论 完全是 以 微积分 为基础、为前提的，如果搞不明白微积分(会套公式不叫搞明白, 有启发性的理解她 才叫搞明白了) 怎么 可能 搞得明白 统计学、优化理论？
那么 学习 莱布尼茨微积分 的资料呢？
欧拉 无穷分析引论
google : Non-standard analysis 或 非标准分析
扫描二维码关注公众号，回复：
12663793 查看本文章
明天继续分享并介绍一个非常 适合java程序员 学习并理解 微积分的 视频课程