机器学习初学者指南：数学基础的重要性

本文约2600字，建议阅读时间6分钟。

本文推荐一套适合机器学习初学者的学习资料。

机器学习不仅需要一定的数学基础，还需要熟练的编程技能。对于机器学习从业者而言，扎实的数学基础至关重要。缺乏坚实的数学基础，仅仅依赖工具和框架，就像某些武术家只懂得花拳绣腿，虽然看起来厉害，但在实际战斗中却显得力不从心。因此，数学基础可以说是机器学习从业者的最高门槛。

博士学位并不一定意味着更强的编程能力，但其数学基础通常更为扎实。这也是为什么学历越高，机器学习从业者的薪资水平往往也越高，因为这通常与他们所掌握的基础知识成正比。

为了帮助大家夯实数学基础，这里推荐黄海广博士整理的数学笔记。

黄海广博士目前在GitHub上的star数量已超过45000，并且曾翻译过吴恩达的课程。

数学基础专辑

该专辑分为两个部分（第1-2部分和第3-5部分）。

一、CS229数学基础

CS229的数学基础包括概率论和线性代数，这是斯坦福系列课程中的重要材料，主要由黄海广和石振宇翻译。

二、大学数学基础精华

机器学习最基本的数学知识涵盖三个领域：高等数学、线性代数以及概率论与数理统计。

三、专辑下载

数学专辑既可以在网上阅读，也可以下载PDF、Word或Markdown版本。

获取专辑下载链接： 在头条号（DatapiTHU）后台私信回复“20200711”。

编辑：于腾凯

—完—

如需了解更多数据科学领域的最新动态，欢迎关注清华大学-青岛数据科学研究院的官方微信公众号“数据派THU”。