【2022新书】机器学习数学基础，328页pdf，密西西比州立大学Seongjai Kim教授，Mathematical Foundations of Machine Learning

• 本课程将介绍一些实际的ML算法。
• 然而，我们将把重点放在这些算法建立的基础数学概念上。特别是，要真正理解关于ML的任何东西，您需要非常好地掌握

——微积分,

-线性代数，还有

-概率推理(即概率的数学理论和如何使用它)。

• 我们将深入探讨应用数学分支的关键部分，并在ML的背景下。

• 更具体地说，本课程的数学主题可以分为四个基本的学科领域:

• 数据表示和将数据映射到决策、估计或两者的操作符。我们将从线性表示的深入讨论开始;它们本身就很重要/有用，也被用作非线性表示的构建块。这就是我们需要大量线性代数及其扩展的地方。

• 估计。从数据集中估计一个参数是什么意思?我们将尽量用统计学的语言，把这个问题建立在一个牢固的数学基础上。

• 建模。

• 计算。最后，我们将看看如何计算解决ML中出现的问题。我们将从优化中了解一些基本的算法，并从数值线性代数中了解一些代数技术。