机器学习数学

机器学习中需要的一些主要主题与单变量有关微积分,线性代数,多元微积分,多变量优化,概率与统计学和解析几何。

用于机器学习的线性代数

• 线性代数练习和问题及其解决方法包括视频。
• 汗学院：线性代数包括视频。
• Gilbert Strang教授-麻省理工学院：Mit开放课程：线性代数包括课堂讲稿、视频和过去的考试及解答。
• David Cherney、Tom Denton、Rohit Thomas和Andrew Waldron-UCDAVIS：线性代数.

• Marc Peter Deisenroth、A.Aldo Faisal、Cheng Soon Ong：机器学习数学.
• 麻省理工学院Philippe Rigollet教授：机器学习数学.

单变量和多变量微积分

• David Jerison教授-麻省理工学院：Mit开放课程：单变量微积分包括视频、课堂讲稿和过去的考试及解答。
• Denis Auroux教授-麻省理工学院：Mit开放课程：多元微积分包括视频、课堂讲稿和过去的考试及解答。

统计

• 哈佛大学约瑟夫·布利茨坦教授：统计110：概率包括视频和笔记
• Philip B.Stark-加州大学伯克利分校：统计包括教材中包含的交互式工具，帮助学生分析真实数据集。
• Jeremy Orloff，Jonathan Bloom-麻省理工学院：概率论与统计学导论

机器学习

• 加州理工学院教授Yaser Abu-Mostafa：从数据中学习