你可能不止一次听说，想要学好机器学习，要先打好数学基础。

然而，数学知识千千万，到底该从哪里入门，怎样才能系统学习呢？

朋友，这里有一本机器学习数学“百科全书”，了解一下？

此书来自宾夕法尼亚大学计算机与信息科学系，涵盖代数，拓扑，微积分和优化理论，提供免费PDF下载（链接见文末）。

打开细看，一股丰盛的数学大餐的气息迎面扑来：

内置9大章节，1962页全面丰富的计算机科学和机器学习相关数学知识，有教学，还有习题。

难怪有网友表示：这里已经涵盖了你所需要的全部数学知识。

机器学习的数学百科全书

9个大的章节，囊括计算机科学和机器学习中涉及到的各种数学知识：

线性代数

仿射和射影几何

双线性形式的几何

代数：主理想整环（PID），唯一分解整环（UFD），诺特环，张量，PID上的模，范式

拓扑，微积分

优化理论基础

线性优化

非线性优化

机器学习中的应用

作者还给划了重点：

在基本代数结构，群、环、场及向量空间这四章中，重点是向量空间。

在每一章的末尾，也会有相应的知识点总结，和配套课后练习。

比如线性代数这一章中第一小节《向量空间，基底，线性映射》的末尾，作者就总结了向量空间的概念、向量的线性组合、向量组的线性相关性和线性独立性等26个重点概念。

以及21道课后习题。

这样一份“百科全书”，还真是惊喜与“惊吓”并存：

有网友则评论说，很难想象如何完全学完这本书。不过作为一本百科全书来参考是很不错的。

作者

这本书的作者，是宾夕法尼亚大学计算机与信息科学系教授Jean Gallier，和Jocelyn Quaintance。

Jean Gallier教授的研究领域为计算机视觉和计算机图形学，同时，他也在宾夕法尼亚大学数学系任教。

传送门

免费电子书：
https://www.cis.upenn.edu/~jean/math-deep.pdf

— 完 —

“