★★★★★【機器學習】、【底層數學】★★★★★

數學是科學之母，想在AI領域發光發熱，先要打下穩固的數學基礎！

本書技術重點

✪一元多元函數微積分

✪線性代數、向量、矩陣分解

✪偏導數、漢森矩陣、雅可比矩陣、無窮級數

✪最佳化方法、泛函數極值與變分法

✪機率統計理論、柴比雪夫不等式

✪資訊理論、交叉熵、條件熵

✪隨機過程、馬可夫過程、高斯過程

✪圖論、拓撲排序演算法、拉普拉斯矩陣

本書特色

◎完美圖解，通俗易懂

本書對數學知識採取圖解演示。透過圖解，許多問題都變得簡單，一點就通。

◎生活化的實例，簡單又有趣

例如隨機過程的典型代表，馬可夫過程（Markov Process）的章節中，作者就用了天氣與降雨這種生活化的例子講解，拉近讀者與知識的距離。

◎深入淺出，透析本質

機器學習的數學知識難度不低，許多概念的定義讓讀者難以理解。本書透過點出關鍵的地方，讓讀者一看就豁然開朗，推導再也不是問題。

◎機器學習、數學，相輔相成

本書從機器學習的角度講數學，又從數學的角度講機器學習，言簡意賅、知識滿點、循序漸進，是你學習機器學習的最好夥伴。