面对机器学习，初学者遇到的最大障碍往往并不是机器学习本身，而是数学。机器学习本质上是一种计算机技术，但其核心理论建立在数学之上。

在很多关于机器学习的教材中，我们经常可以看到大量的数学公式。对于那些数学基础不够扎实的人来说，这样的内容可能会让他们感到困惑和沮丧，从而失去学习的兴趣，无法达到预期的学习效果，最终只能停留在一知半解的状态。

为了帮助大家更好地理解和掌握机器学习，本讨论将专注于解析机器学习中的主要模型，并找出支撑这些模型背后的数学概念。然后，我们将把这些数学知识点进行系统化地整理和归纳。因此，虽然我们的主题是机器学习，但重点在于讲解数学知识。

我会尽量采用最简单的方式来讲解，提取精华，剔除不必要的复杂部分，帮助大家以最低的成本快速掌握机器学习所需的数学基础知识。相信掌握了这些基础知识之后，大家就能够更加容易地阅读其他机器学习的相关材料，并快速入门机器学习。

讨论内容：

机器学习主要模型依赖的关键数学概念

• 梯度：通过梯度下降法来寻找函数的极值。
• 向量与矩阵：学习如何进行各种运算以及求逆操作。
• 求导：包括函数求导、向量求导和矩阵求导。
• 概率计算：掌握不确定事件的概率计算以及极大似然估计的原理。
• 信息量的度量：了解熵、条件熵、信息增益和信息增益率的概念。
• 统计量：熟悉均值、方差以及最小二乘法的应用。
• 统计学的核心理论：如中心极限定理和假设检验。

适合人群：

• 对数学公式感到头疼的机器学习初学者。

本场讨论的主讲人：

• 白朔天

他是一位美团算法专家，同时也是公众号“算法入门速成班”的作者，以及慕课网和拉勾网的讲师。