书籍：Mathematics for Machine Learning
作者：Marc Peter Deisenroth，A. Aldo Faisal，Cheng Soon Ong
出版：Cambridge University Press
编辑：陈萍萍的公主@一点人工一点智能
01 书籍介绍
理解机器学习所需的基本数学工具包括线性代数、解析几何、矩阵分解、向量微积分、最优化、概率论和统计学。这些主题通常分散在不同的课程中教授，使得数据科学或计算机科学的学生或专业人士难以高效地学习数学。
这本教科书填补了数学与机器学习文献之间的空白，尽可能减少先修要求，介绍数学概念。书中利用这些概念推导出四种核心的机器学习方法：线性回归、主成分分析、高斯混合模型和支持向量机。
对于已具备数学背景的学生和其他人士，这些推导为学习机器学习文献提供了起点。而对于初次学习数学的人士，这些方法有助于建立直觉并积累应用数学概念的实际经验。
每章都包含示例和练习，以检验理解程度。书中的网站还提供了编程教程。
02 作者简介
Marc Peter Deisenroth 是伦敦大学学院计算机科学系的DeepMind人工智能讲席教授。在此之前，他是帝国理工学院计算系的教员。他的研究领域包括数据高效学习、概率建模和自主决策。Deisenroth 曾担任2012年欧洲强化学习研讨会(EWRL)的程序主席和2013年机器人科学与系统(RSS)研讨会的研讨会主席。他的研究曾获2014年国际机器人与自动化会议(ICRA)最佳论文奖和2016年国际控制、自动化与系统会议(ICCAS)最佳论文奖。2018年，他荣获帝国理工学院杰出青年研究人员校长奖。他还获得了谷歌教员研究奖和微软博士奖学金。
A. Aldo Faisal 领导着帝国理工学院的脑与行为实验室，同时是生物工程系和计算系的教员，以及数据科学研究所的成员。他是价值2000万英镑的UKRI健康人工智能博士培训中心的主任。Faisal 在德国比勒费尔德大学完成了计算机科学与物理学的学习。他在剑桥大学获得了计算神经科学博士学位，并成为计算与生物学学习实验室的初级研究员。他的研究处于神经科学与机器学习的交叉点，旨在理解和逆向工程大脑与行为。
Cheng Soon Ong 是澳大利亚联邦科学与工业研究组织(CSIRO)数据61机器学习研究组的首席研究员，同时担任澳大利亚国立大学的兼职副教授。他的研究重点在于通过扩展统计机器学习方法来促进科学发现。Ong 于2005年在澳大利亚国立大学获得计算机科学博士学位。他曾是马克斯普朗克生物控制论研究所和弗里德里希·米斯彻实验室的博士后研究员。2008年至2011年，他是苏黎世联邦理工学院计算机科学系的讲师，2012年至2013年在墨尔本NICTA诊断基因组学团队工作。
03 书籍大纲
