来，来，来、斯坦福免费开放一本专门介绍机器学习数学绊脚石的书籍

1.机器学习与数学基础

机器学习理论其实是计学、概率学、计算机科学以及算法的交叉领域,是通过从数据中的迭代学习去发现能够被用来构建智能应用的隐藏知识。

尽管机器学习和深度学习有着无限可能,然而为了更好地掌握算法的内部工作机理和得到较好的结果,对大多数这些技术有一个透彻的数学理解是必要的。

本文小编给大家介绍一本通过向量、矩阵和最小二乘方法等应用线性代数的基础内容，它的目标是为只有很少或根本没有线性代数基础的初学者提供入门方法，包括线性代数的基本思想以及在数据科学和机器学习等领域的应用方法。

2.书籍内容

这本书主要分为三部分。第一部分介绍了向量及各种向量运算和函数，例如加法、向量内积、距离和角度等。

第二部分如同前一部分重点关注矩阵的概念与应用，包括矩阵的求逆和解线性方程等。

第三部分介绍了最小二乘法，它不仅展示了如何简单而自然地近似求解一个超定方程组，同时还有一些可应用到很多方法的最小二乘扩展知识。

3.如何利用该书籍？

完全没有基础的童鞋其实可以跟着书籍系统进行学习，夯实基础，这里小编根据自己体验，提醒大家对课后习题一定要进行理解，这样才能巩固自己所学。

有一定基础的童鞋完全可以根据自己对哪块知识不理解，进行相应知识的学习即可，然后进行对应实战效果更佳，也可以辅以对应的辅助材料：

地址：https://web.stanford.edu/~boyd/vmls/vmls-slides.pdf

4.书籍下载方式

这本书的对应代码和数据都可以在 GitHub 中找到：https://github.com/VMLS-book

小编也给大家整理了所有的slides、pdf书籍等资料。

下载方式：

1、https://pan.baidu.com/s/1I7fPsYVE7slNG_kdTgGONw