机器学习数学全书，1900 页 PDF 下载
source link: https://www.tuicool.com/articles/uyaIFzE
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
官方微博：AI有道
转自：新智元编辑：大明
要搞机器学习离不开数学，本文分享一本来自宾夕法尼亚大学计算机系教授Jean Gallier主编的面向机器学习的“数学全书”，内容涵盖线性代数、概率统计、拓扑学、微积分、最优化理论等面向ML的数学知识，共计1900余页，快来下载收藏吧！来与 AI 大咖一起参与讨论吧～
机器学习，特别是深度学习离不开数学，深度学习的算法和模型的搭建，都需要重要的数学工具作为支撑。不管是对机器学习研究人员，还是立志走上机器学习和AI研究之路的学生来说，打好坚实的数学基础是都至关重要的。
在现行的主要机器学习教程中，基本上都会在书中最开始给出必要的数学知识，但一般都比较简略，这些教材一般默认读者已经具备了必要的数学知识。
对于没有掌握这些知识的读者来说，很多人需要去学习巩固，甚至在某些学科上从零开始学习。机器学习涉及到的数学学科背景知识比较广泛，除了必须掌握的线性代数、概率统计之外，还需要拓扑学、微积分、最优化理论等学科知识。
宾夕法尼亚大学计算机和信息学教授Jean Gallier就与他人合作编撰了一部“面向计算机和机器学习的数学全书”。这着实是本大部头，全书共计1900多页，涵盖了机器学习和深度学习相关的多个数学学科，包括线性代数，拓扑学、微分计算和最优化理论等。这本书的PDF电子版现已放出，需要的读者可以免费下载。
全书共分九大部分（不包括附录），共1900余页。以下结合总目录，对本书章节内容进行简要介绍：
第一部分：线性代数。本部分篇幅最长，共23章，750余页
第二部分：线性与射影几何，共3章，170余页。
第三部分：双线性形式几何，共3章，约100页
第四部分：Algebra: PID’s, UFD’s, NoetherianRings, Tensors, Modules over a PID, Normal Forms，共7章，约280页
第五部分：拓扑学和微积分，共3章，约130页
第六部分：最优化理论初步，共4章，约60页
第七部分：线性优化，共4章，约100页
第八部分：非线性优化，共5章，约250页
第九部分：机器学习应用，共3章，约100页
第十部分：附录，共2章，约30页
本书内容全面，讲解详细，有需要的读者可作为工具书使用，确实，它的页数也确实相当于一本大型工具书了。
资源获取：
为了方便大家查阅，我把 PDF 下载下来传到云盘上，需要的可以按照以下方式获取：
- 扫描下方二维码关注 “AI有道” 公众号
-
公众号后台回复关键词： mathdeep
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK