原书名：Algebra, Topology, Differential Calculus, and
Optimization Theory for Computer Science and Machine Learning

这本书本来是开放下载的，但是为了让大家不要收藏书而是下载来真的去学习，象征性收取2论坛币哈。


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