機器學習的基礎是數學，數學基礎決定了機器學習從業人員的上限，想要學好機器學習，就必須學好數學。

機器學習所需要的數學知識，包括了數學分析(微積分)，線性代數，概率論，統計，應用統計，數值分析，常微分方程，偏微分方程，數值偏微分方程，運籌學，離散數學，隨機過程，隨機偏微分方程，抽象代數，實變函數，泛函分析，復變函數，數學建模，拓撲，微分幾何，漸近分析......

這么多數學知識，不管是碩士階段還是博士階段的研究生，是沒法學完全的，必須有所取舍，本文根據本科三年級的數學基礎，整理出了機器學習最必須掌握的數學知識要點，最主要是高等數學、線性代數、概率論與數理統計三門課程的內容。

高等數學必須掌握的知識點：導數、微分、泰勒公式等概念。

線性代數必須掌握的知識點：向量、矩陣、行列式、秩、線性方程組、特征值和特征向量。

概率論與數理統計必須掌握的知識點：隨機事件和概率、概率的基本性質和公式、常見分布、期望、協方差。

本文整理的資料，分為高等數學、線性代數、概率論與數理統計三部分。

這個資料頁數比較多，建議收藏慢慢看。

這個資料包含：1.原版ppt，2.ppt里面內容的pdf教材整理（國內教材和CS229數學基礎翻譯）

本文內容較多，建議收藏慢慢看。

下載方式：

關注公眾號，回復“數學基礎回顧”可以獲取下載地址。

課件完整內容

下載方式：

關注公眾號，回復“數學基礎回顧”可以獲取下載地址。

總結

以上是生活随笔為你收集整理的112页数学知识整理！机器学习-数学基础回顾.pptx的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。