[每日一书] 机器学习的数学“百科全书”

想要学好机器学习，要先打好数学基础。
然而，数学知识千千万，到底该从哪里入门，怎样才能系统学习呢？这里有一本机器学习数学“百科全书”，了解一下？
此书来自宾夕法尼亚大学计算机与信息科学系，涵盖代数，拓扑，微积分和优化理论。
打开细看，一股丰盛的数学大餐的气息迎面扑来：
内置9大章节，1962页全面丰富的计算机科学和机器学习相关数学知识，有教学，还有习题。




… …

难怪有网友表示：这里已经涵盖了你所需要的全部数学知识。

机器学习的数学百科全书

9个大的章节，囊括计算机科学和机器学习中涉及到的各种数学知识：

• 线性代数

• 仿射和射影几何

• 双线性形式的几何

• 代数：主理想整环（PID），唯一分解整环（UFD），诺特环，张量，PID上的模，范式

• 拓扑，微积分

• 优化理论基础

• 线性优化

• 非线性优化

• 机器学习中的应用

作者还给划了重点：

在基本代数结构，群、环、场及向量空间这四章中，重点是向量空间。

在每一章的末尾，也会有相应的知识点总结，和配套课后练习。

这样一份“百科全书”，还真是惊喜与“惊吓”并存：

有网友则评论说，很难想象如何完全学完这本书。不过作为一本百科全书来参考是很不错的。

作者

这本书的作者，是宾夕法尼亚大学计算机与信息科学系教授Jean Gallier，和Jocelyn Quaintance。

Jean Gallier教授的研究领域为计算机视觉和计算机图形学，同时，他也在宾夕法尼亚大学数学系任教。

资源获取

扫描下方的二维码，关注小幸的个人公众号（学术创客）。发送关键词：200704数学基础，即可获取该书。