《機器學習中的數(shù)學》是一本系統(tǒng)介紹機器學習中涉及的數(shù)學知識的入門圖書，本書從機器學習中的數(shù)學入門開始，以展示數(shù)學的友好性為原則，講述了機器學習中的一些常見的數(shù)學知識。機器學習作為人工智能的核心技術，對于數(shù)學基礎薄弱的人來說，其臺階是陡峭的，本書力爭在陡峭的臺階前搭建一個斜坡，為讀者鋪平機器學習的數(shù)學之路。

《機器學習中的數(shù)學》共19章，分為線性代數(shù)、高等數(shù)學和概率3個組成部分。第1部分包括向量、向量的點積與叉積、行列式、代數(shù)余子式、矩陣、矩陣和方程組、矩陣的秩、逆矩陣、高斯諾爾當消元法、消元矩陣與置換矩陣、矩陣的LU分解、歐幾里得距離、曼哈頓距離、切比雪夫距離、夾角余弦等；第2部分包括導數(shù)、微分、不定積分、定積分、弧長、偏導、多重積分、參數(shù)方程、極坐標系、柱坐標系、球坐標系、梯度、梯度下降算法、方向導數(shù)、線性近似、二階近似、泰勒公式、牛頓法、*小二乘法、求解極值、拉格朗日乘子法、KKT條件、歐拉拉格朗日方程等；第3部分包括概率、古典概型、幾何概型、互斥事件、獨立事件、分布函數(shù)、離散型分布、連續(xù)型分布等。

《機器學習中的數(shù)學》內容全面，語言簡練，實例典型，實用性強，立足于友好數(shù)學，與機器學習完美對接，適合想要了解機器學習與深度學習但數(shù)學基礎較為薄弱的程序員閱讀，也適合作為各大高等院校機器學習相關專業(yè)的教材。機器學習及數(shù)學愛好者、海量數(shù)據(jù)挖掘與分析人員、金融智能化從業(yè)人員等也可選擇本書參考學習。