机器学习的数学

机器学习中需要的一些主要主题与单变量微积分、线性代数、多变量微积分、多变量优化， 概率 统计和解析几何。

机器学习的线性代数 (Linear Algebra for Machine Learning)

• 线性代数练习和问题及其解决方案 (Linear Algebra Exercises and Problems with Solutions)，包括视频。
• 线性代数 (Linear algebra)，
• Gilbert Strang 教授 - 麻省理工学院：麻省理工学院公开课程：线性代数 ((MIT))，包括 讲义、视频和过去的考试及解决方案。
• David Cherney、Tom Denton、Rohit Thomas 和 Andrew Waldron - UCDAVIS：线性代数 (Linear algebra)。

单变量和多变量微积分 (Single and multivariable calculus)

• David Jerison 教授 - 麻省理工学院：麻省理工学院公开课程：单变量微积分 (Mit Open Course: Single Variable Calculus)< /a> 包括视频、讲义和过去的考试及解决方案。
• Denis Auroux 教授 - 麻省理工学院：麻省理工学院公开课程：多变量微积分 (Mit Open Course: Multivariable Calculus) 包括视频、讲义和过去的考试及解决方案。

数据统计 (Statistics)

• Joseph Blitzstein 教授 - 哈佛大学：统计 110：概率，包括视频和 注释
• Philip B. Stark - 加州大学伯克利分校：统计，包括材料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： 介绍 概率与统计

机器学习 (Machine Learning)

• Professor Yaser Abu-Mostafa - Caltech : 从数据中学习