本文推荐一份机器学习数学基础专辑，非常适合初学者入门，文末提供下载。

机器学习，需要一定的数学基础，也需要一定的代码能力。机器学习从业者数学基础不扎实，只会用一些工具和框架，相当于某些武术家只会耍套路，外行人觉得很厉害，但实战起来一定是鼻青脸肿。
如何在有限的计算资源下找出最优解，在目标函数及其导数的各种情形下，应该如何选择优化方法；各种方法的时间空间复杂度、收敛性如何；还要知道怎样构造目标函数，才便于用凸优化或其他框架来求解，这些都需要一定的数学基础。可以说，数学基础是机器学习从业人员的天花板。

博士的代码能力，不一定比硕士强，但数学基础，往往要比硕士扎实很多。为什么机器学习从业人员学历越高，往往工资越高，通常和掌握的基础知识正相关。

关于数学基础资料，这里我推荐黄海广博士整理的数学笔记：
这份资料已经做成了pdf。

黄海广博士目前Github star已经超过52500，曾经翻译过吴恩达课程。

数学基础内容：

一、CS229数学基础

CS229的数学基础，分为概率论和线性代数两部分，是斯坦福系列课程的数学基础资料，主要翻译者（黄海广、石振宇）。

内容截图

二、大学数学基础精华

机器学习最基础的数学知识，可以分为高等数学、线性代数、概率论与数理统计三部分：

内容截图

三、专辑下载

数学专辑可以在线阅读，也可以下载（pdf、word、markdown文件），可以直接在“机器学习初学者”公众号回复“math”即可获取下载地址。

下载内容截图

扫码进入公众号，回复“math”即可获取下载地址