機器學(xué)習背后的數學(xué)支柱，這5本書(shū)幫你搞定！

機器學(xué)習從只適用于研發(fā)人員的工具變成了被廣泛采納使用的方法，多虧了開(kāi)源機器學(xué)習和深度學(xué)習框架的爆炸性發(fā)展?，F如今，機器學(xué)習領(lǐng)域比以往任何時(shí)候都更容易上手。同時(shí)，這也助力了我們目前所經(jīng)歷的科技的瘋狂發(fā)展。

弄清算法是如何真正工作的，可以幫助你在設計、開(kāi)發(fā)和調試機器學(xué)習系統方面獲得巨大優(yōu)勢。很多人提到數學(xué)就打哆嗦，機器學(xué)習恰巧涉及很多數學(xué)知識，這項任務(wù)可能會(huì )令很多人怯步。

然而，數學(xué)并不該成為人們在機器學(xué)習領(lǐng)域的“絆腳石”。相反，學(xué)好數學(xué)對于掌握機器學(xué)習非常有必要。從高層次上講，機器學(xué)習中涉及四大數學(xué)支柱：線(xiàn)性代數、概率論、多元微積分、最優(yōu)化理論。

為這些核心理論構建牢固基礎，了解最先進(jìn)的機器學(xué)習算法(例如卷積網(wǎng)絡(luò )、生成式對抗網(wǎng)絡(luò )等)的內部工作原理，我們需要為此付出時(shí)間，這并不是用一個(gè)下午能搞定的事情。

但鑒于你不斷為此付出時(shí)間，也能夠在短時(shí)間內便學(xué)到不少知識。在本文中，我選擇了五本對我最有幫助的書(shū)籍，希望對你也會(huì )有幫助。

1. 《線(xiàn)性代數應該這樣學(xué)》——謝爾頓·阿克斯勒

如果以“傳統”方式講授線(xiàn)性代數(先學(xué)習行列式和矩陣，再學(xué)習向量空間)，對初學(xué)者而言太難了，線(xiàn)性代數將成為一門(mén)美麗卻艱難的學(xué)科。

當我們把教學(xué)順序調換一下，這門(mén)課程會(huì )變得十分直觀(guān)和清晰。本書(shū)以非常友好和有見(jiàn)地的方式介紹了線(xiàn)性代數。多希望我最初是通過(guò)這本書(shū)學(xué)習的線(xiàn)性代數而不是老方法。

2. 《與深度學(xué)習神交》——安德魯·特拉斯克

這本書(shū)是這個(gè)清單中我最喜歡的一本。如果你只有閱讀一本書(shū)的時(shí)間，一定不要錯過(guò)這本。

本書(shū)包含了對神經(jīng)網(wǎng)絡(luò )內部工作原理的完整實(shí)操介紹，選取了代碼片段作為所有素材。盡管這本書(shū)并非專(zhuān)門(mén)針對高等數學(xué)，但讀過(guò)這本書(shū)后，你對深度學(xué)習數學(xué)知識的了解將多于95%的數據科學(xué)家、機器學(xué)習工程師和其他開(kāi)發(fā)人員。

你還可以從頭開(kāi)始構建神經(jīng)網(wǎng)絡(luò )，這或許是最佳的練習方法。當用機器學(xué)習開(kāi)始構建神經(jīng)網(wǎng)絡(luò )時(shí)，我也曾使用NumPy從零開(kāi)始構建了卷積網(wǎng)絡(luò )。

3. 《概率論：給滿(mǎn)腔熱忱的初學(xué)者》——大衛·莫林

大多數有關(guān)機器學(xué)習的書(shū)籍都沒(méi)有正確地介紹概率論，而是充滿(mǎn)了令人困惑的符號，且經(jīng)?；煜芏群瘮岛碗x散分布。讀者如果沒(méi)有扎實(shí)的概率論背景知識是很難理解的。

而本書(shū)將為你帶來(lái)對概率論詳細、正確且簡(jiǎn)單清晰的介紹。這適用于之前對概率論沒(méi)有任何了解的學(xué)習者。

4. 《多變量微積分》——丹尼斯·奧魯 (來(lái)自麻省理工學(xué)院開(kāi)放式課程)

這并不是一本書(shū)，而是麻省理工學(xué)院一門(mén)有關(guān)多變量微積分并可對公眾開(kāi)放的大學(xué)錄制課。在我所知道的所有資源中，這門(mén)課程是迄今為止對該主題的最佳介紹。

對于有單變量微積分背景知識的聽(tīng)課者來(lái)說(shuō)，這門(mén)課程能夠錦上添花，即便沒(méi)有，聽(tīng)課者也能夠輕松跟上。它唯一的缺點(diǎn)是沒(méi)能很好地介紹到的知識點(diǎn)是梯度下降算法，而這是神經(jīng)網(wǎng)絡(luò )的基礎。

5. 《深度學(xué)習》——伊恩·古德費洛、約舒亞·本吉奧與亞倫·庫維爾

這本書(shū)由機器學(xué)習領(lǐng)域中一些最有才華的人撰寫(xiě)而成，包含了上述的所有理論，是深度學(xué)習研究人員和開(kāi)發(fā)人員的首選資源。該書(shū)綜合了數學(xué)理論并使用了重型機器，為諸如卷積和遞歸網(wǎng)絡(luò )、自動(dòng)編碼器等最新深度學(xué)習方法提供了可靠指導。

最棒的一點(diǎn)是大家可以在線(xiàn)上免費閱讀這本書(shū)(https://www.deeplearningbook.org/)。

在我羅列出的所有書(shū)目中，這本書(shū)可能是最難以理解的。理解深度學(xué)習需要從概率論的角度看待算法實(shí)在有些困難。

攻克這些書(shū)目肯定算不上輕松，或許會(huì )花費不少時(shí)間，但相信我，你一定會(huì )有所收獲。積累知識是最好的投資。這些知識將為你構建機器學(xué)習系統帶來(lái)巨大優(yōu)勢，更不用說(shuō)機器學(xué)習背后的理論本身就是十分美好而迷人的。