機器學習是一門將人類知識和推理過程提煉為一種適合機器和工程自動化系統自動處理的過程的學科。隨著機器學習基於應用變得越來越普遍，以及相關的軟體包也變得越來越容易使用，底層的技術細節被抽象出來並對使用者不可見，這是很自然且也是我們所期待的。然而，這也帶來了一種危險，技術使用者可能不知道演算法數學基礎，從而意識不到機器學習演算法的侷限性。
對於想要了解機器學習演算法背後的技術細節的研究者而言，目前面臨著一系列問題，他們需要了解很多先驗知識：
程式語言和資料分析工具
大規模計算和相關框架
數學和統計學以及機器學習演算法是如何基於這些知識構建的
文末附本書pdf下載地址。
在大學裡，機器學習入門課程往往在課程的早期階段就涵蓋了其中的一些基礎知識。由於歷史原因，機器學習的課程往往在計算機科學系教授，這些學生通常接受前兩個知識領域的學習，但數學和統計學方面的學習較少。
當前的機器學習教科書主要關注機器學習演算法和方法，並假設讀者已經學習過數學和統計學方面知識。因此，這些書只花了一到兩章講講一些數學基礎，要麼在書的開頭，要麼作為附錄。我們發現許多人想要深入瞭解的機器學習方法的數學基礎，他們需要艱難地收集、學習分散的機器學習數學基礎知識。在大學教過本科和研究生課程後，我們發現高中數學和閱讀標準機器學習教科書所需的數學水平之間的差距對許多人來說太大了。
這本書突出了基本機器學習概念的數學基礎，將所有的知識點整理到一起，希望可以解決機器學習演算法應用和相關數學基礎知識之間的差異。
本書目錄
