机器学习相关的数学资料下载

机器学习相关的数学资料下载

机器学习，需要一定的数学基础，也需要一定的代码能力。机器学习从业者数学基础不扎实，只会用一些工具和框架，相当于某些武术家只会耍套路，外行人觉得很厉害，但实战起来一定是鼻青脸肿。

如何在有限的计算资源下找出最优解，在目标函数及其导数的各种情形下，应该如何选择优化方法；各种方法的时间空间复杂度、收敛性如何；还要知道怎样构造目标函数，才便于用凸优化或其他框架来求解，这些都需要一定的数学基础。

可以说，数学基础是机器学习从业人员的天花板。博士的代码能力，不一定比硕士强，但数学基础，往往要比硕士扎实很多。为什么机器学习从业人员学历越高，往往工资越高，通常和掌握的基础知识正相关。

机器学习最基础的数学知识，可以分为高等数学、线性代数、概率论与数理统计三部分，我整理了三个数学基础资料：

一、大学数学基础精华

这个是考研考博时候整理的中文教材的资料，分为高等数学、线性代数、概率论与数理统计三部分：内容如图：

二、CS229数学基础

我和石振宇博士翻译了cs229的数学基础，分为概率论和线性代数两部分，是斯坦福系列课程的数学基础资料。

以上资料的pdf和markdown文件可以在我的数据科学的github提供下载：

​​是一种离散分布,有两种可能的结果。1表示成功，出现的概率为p(其中0

9.德·摩根​

英国数学家，在概率论里，我们经常用到“德. 摩根律”：

10.拉普拉斯​

法国数学家，在概率论和数理统计中，“拉普拉斯分布”非常重要，该分布用于生物、金融和经济学方面的建模。

备注：以上翻译完毕的pdf和markdown文件可以在我的数据科学的github提供下载：

​​https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。