这本机器学习的数学“百科全书”，可以免费获取 | 宾大教授出品
source link: https://www.qbitai.com/2019/11/9365.html
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.
鱼羊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
你可能不止一次听说，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？
朋友，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，提供 免费PDF 下载（链接见文末）。
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。
比如线性代数这一章中第一小节《向量空间，基底，线性映射》的末尾，作者就总结了向量空间的概念、向量的线性组合、向量组的线性相关性和线性独立性等26个重点概念。
以及21道课后习题。
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。
传送门
免费电子书：
https://www.cis.upenn.edu/~jean/math-deep.pdf
— 完 —
版权所有，未经授权不得以任何形式转载及使用，违者必究。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK